姚期智、杨植麟联合署名论文《TCSExam：在 TCS 研究的全范围内评估前沿大型语言模型》已经在 arXiv 上传，研究团队搭建 TCSExam 评测基准，挑选 9 个前沿大模型，用 100 道研究级别的理论计算机科学题目做测试，用来验证大模型能不能真正开展 TCS 方向科研工作，而不是只会刷普通练习题，测试分为定理证明、求解器工程、数学对象构造、开放猜想四大类，全部支持机器自动核验结果。这次测试有亮点也有冷静结论，Kimi K3 完成图论构造刷新人类之前的公开记录，GPT-6 Astra 在定理证明项目里表现最好，但所有 9 个参评大模型，都没办法独立攻克那些长期悬而未决的开放猜想。这套评测和以往的数学题库不一样，它覆盖完整科研流程，要求输出可校验、可复用的成果，不是简单算出答案，TCSExam 基准代码已经开源，后续科研人员都可以用这套标准继续测试新大模型。
TCSExam 四类评测任务清单
- 定理证明：让大模型输出 Lean4 格式严谨证明，由 Lean 内核自动校验逻辑对错
- 求解器工程：编写通用算法程序，批量处理测试案例，不能只针对单题写固定答案
- 数学构造：产出图、编码这类数学对象，附带证明凭证，验证对象满足约束条件
- 开放猜想：尝试证明或者证伪学界长期没有解决的理论计算机猜想
参评模型重点表现对照表
| 模型名称 | 核心表现 |
|---|---|
| GPT-6 Astra | 定理证明成功率 70%，改进量子纠错码构造 |
| Kimi K3.1 Pro | 定理证明成功率 38.3%；Kimi K3 完成 124 点无三角无四边形图构造，达到 630 条边，刷新原有 629 条边记录 |
| 其余 6 款参评大模型 | 定理证明最高成功率仅 11.7%，在构造、工程类任务上限明显 |
论文信息查阅与复现步骤
- 检索论文：前往 arXiv 平台检索论文标题，查看原文、附录、测试数据集
- 获取基准：访问开源地址下载 TCSExam 代码、题目集合、Lean4 校验脚本
- 开展测试：接入待评测大模型，按四类任务分别提交，开启自动机器校验
- 对比结论：对比 9 个前沿大模型原始结果，分析模型在 TCS 科研上的能力边界
【相关 FAQ】
问题 1：姚期智、杨植麟联合署名论文，用来测试 9 个前沿大模型的评测基准叫什么？
回答 1：姚期智、杨植麟联合署名论文里面，用来测试 9 个前沿大模型、挑战理论计算机科学难题的评测基准叫 TCSExam。
问题 2：姚期智、杨植麟这篇联合论文里，9 个前沿大模型可以独立解决开放猜想吗？
回答 2：姚期智、杨植麟这篇联合论文结论显示，参与评测的 9 个前沿大模型都没办法独立解决理论计算机方向的开放猜想。
问题 3：姚期智、杨植麟联合论文测试 9 个前沿大模型，Kimi 取得了哪一项代表性成果？
回答 3：姚期智、杨植麟联合论文测试 9 个前沿大模型，Kimi K3 完成 124 点无三角形、无四边形图构造，构造出 630 条边，刷新此前 629 条边的公开图论记录。
问题 4：姚期智、杨植麟联合论文中的 TCSExam，依靠什么工具自动核验定理证明是否正确？
回答 4：姚期智、杨植麟联合论文中的 TCSExam，使用 Lean4 形式化证明系统，依靠 Lean 内核自动核验大模型给出的定理证明逻辑。
【参考资料】
[2026-11-12]（姚期智杨植麟首次共同署名论文，Kimi 刷新一项图论构造公开最优结果）新浪科技
[2026-11-11]（姚期智杨植麟联手，让数学家松了一口气）36 氪
[2026-11-09]（姚期智、杨植麟联合署名论文：9 个前沿大模型，如何挑战理论计算机科学难题）澎湃新闻
【免责声明】
以上姚期智、杨植麟联合论文与 9 个前沿大模型评测相关内容为公开论文、媒体报道整理，详细实验数据、任务细节以 arXiv 原版论文、开源 TCSExam 项目文档为准，本内容不构成技术选型、模型采购建议。
本文来自作者[汽水不冒泡]投稿，不代表新品牌网立场，如若转载，请注明出处：https://www.china12315.com.cn/ppzx/202611/537.html
评论列表（4条）
我是新品牌网的签约作者“汽水不冒泡”！
希望本篇文章《姚期智与杨植麟联合发布 TCSExam 论文，评测 9 款前沿大模型挑战理论计算机科学难题》能对你有所帮助！
本站[新品牌网]内容主要涵盖：互联网行业的追踪与探索
本文概览：姚期智、杨植麟联合署名论文《TCSExam：在 TCS 研究的全范围内评估前沿大型语言模型》已经在 arXiv 上传，研究团队搭建 TCSExam 评测基准，挑选 9 个前沿大模型，用 100 道研究级别的理论计算机科学题目做测试，用来验证大模型能不能真正开展 TCS 方向科研工作，而不是只会刷普通练习题，测试分为定理证明、求解器工程、数学对象构造、开放猜想四大类，全部支持机器自动核验结果。这次测试有亮点也有冷静结论，Kimi K3 完成图论构造刷新人类之前的公开记录，GPT-6 Astra 在定理证明项目里表现最好，但所有 9 个参评大模型，都没办法独立攻克那些长期悬而未决的开放猜想。这套评测和以往的数学题库不一样，它覆盖完整科研流程，要求输出可校验、可复用的成果，不是简单算出答案，TCSExam 基准代码已经开源，后续科研人员都可以用这套标准继续测试新大模型。