MST kruskal chatGPT

Hej, mam posortowaną listę krawędzi:
IT=35, ZL=43, IB=46, BT, 51, KL, 68, OZ=94, PI=107, TK=110, IŻ=161, PO=168
no i wychodzi mi:

a chatGPT wypluwa MST zawierający krawędzie:
I−T: 35
Z−L: 43
I−B: 46
B−T: 51
K−L: 68
O−Z: 94
czyli:

co jest jakąś bzdurą. Czy ja tu robię coś nie tak czy czat nie ogarnia?

Możliwe, że to kwestia prompta albo po prostu miał zły dzień ;-) Dla powyższych danych wygnerował mi kod w pythonie, który wygenerował następujący graf:
(kodu nie sprawdzałem)

import matplotlib.pyplot as plt
import networkx as nx

# Define the edges of the graph
edges = [
    ('I', 'T', 35), 
    ('Z', 'L', 43), 
    ('I', 'B', 46), 
    ('B', 'T', 51), 
    ('K', 'L', 68), 
    ('O', 'Z', 94), 
    ('P', 'I', 107), 
    ('T', 'K', 110), 
    ('I', 'Z', 161), 
    ('P', 'O', 168)
]

# Create a graph and add the edges
G = nx.Graph()
G.add_weighted_edges_from(edges)

# Function to find the MST using Kruskal's algorithm
def kruskal_mst(graph):
    # Sort edges by weight
    sorted_edges = sorted(graph.edges(data=True), key=lambda x: x[2]['weight'])
    
    # Create a union-find data structure
    uf = nx.utils.UnionFind()
    
    mst = []  # List to store the edges of the MST
    
    for u, v, data in sorted_edges:
        if uf[u] != uf[v]:
            uf.union(u, v)
            mst.append((u, v, data['weight']))
            
    return mst

# Get the MST using Kruskal's algorithm
mst_edges = kruskal_mst(G)

# Separate MST edges and non-MST edges
mst_edge_list = [(u, v) for u, v, w in mst_edges]
non_mst_edges = [edge for edge in edges if (edge[0], edge[1]) not in mst_edge_list and (edge[1], edge[0]) not in mst_edge_list]

# Visualize the graph
pos = nx.spring_layout(G)  # Position the nodes

plt.figure(figsize=(10, 7))

# Draw all non-MST edges in blue
nx.draw_networkx_edges(G, pos, edgelist=non_mst_edges, edge_color='blue', alpha=0.5)

# Draw MST edges in green, dashed, and thicker
nx.draw_networkx_edges(G, pos, edgelist=mst_edge_list, edge_color='green', style='dashed', width=3)

# Draw nodes and labels
nx.draw_networkx_nodes(G, pos, node_size=500, node_color='orange')
nx.draw_networkx_labels(G, pos)
edge_labels = {(u, v): d['weight'] for u, v, d in G.edges(data=True)}
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels)

# Display the plot
plt.title('Minimum Spanning Tree using Kruskal\'s Algorithm')
plt.savefig('mst_kruskal_dashed.jpg')
plt.show()

Tylko że wiesz że takie zadanie dla LLM to jak wbijanie gwoździa smartfonem?

a chatGPT wypluwa MST zawierający krawędzie:

Chat nie wypluł Ci drzewa wiec to nie minimalne drzewo rozpisnające. W drzewie 1) nie ma pętli, 2) jest tylko jeden korzeń(grupa) chat wypluł Ci 2 grupy w tym jedna z pętlą. Co jest jawną bzdurą.
Chat jes głupi, ale to Ty nie ogaranełeś. Założyleś że magicznie on wie wiecej i ma racje, zamiast samemu zweryfikować wyniki.