AgentGAN

AgentGAN 是一个对抗式多智能体框架，用于自动改写问题陈述以去除记忆线索，其生成器智能体反复改写题目直到一组冻结的代码模型集体答错，同时通过可执行的合法性门控确保答案与复杂度类别不变。

对抗式硬化将 NPC 与 P 双胞胎之间的类别差距从 24.8 个百分点缩小至 14.6 个百分点，暗示部分表面复杂度差距源于模型对教科书措辞的熟悉度。