本研究推出CombiBench，包含100个组合问题，旨在解决组合数学缺乏基准的问题。结合Fine-Eval评估框架，结果显示现有大语言模型在该领域的能力有限。

本文探讨了使用强化学习优化组合问题的方法，包括基于深度 Q 网络的记忆效率算法和结合图嵌入的元算法，展示了在多种 NP-hard 问题上的优越性能和高效性。

本文讨论了一种状态压缩动态规划的方法，主要用于解决与牛的集合相关的组合问题。通过定义状态方程和计算贡献，展示了如何通过枚举队列尾端的牛来转移状态，并提供了相应的代码实现，时间复杂度为O(n2^n)。