前沿LLM在陌生编程语言上表现骤降，EsoLang-Bench被接收。

令人震惊：前沿LLM在标准编码基准上得分85-95%。我们给出了等价的问题，但使用它们无法记忆的语言。它们得分骤降至0-11%。

推出EsoLang-Bench。
已被ICLR 2026的逻辑推理和ICBINB工作坊接收。