姚期智与杨植麟团队发布TCSExam评测

清华大学姚期智团队与月之暗面杨植麟团队联合提出 TCSExam，用 100 项理论计算机科学任务评测前沿 AI Agent 的科研能力，覆盖定理证明、Solver 工程、数学构造和开放猜想四条轨道。 评测按提示程度分三档：Bare 模式只提供定理和必要定义，Ladder 增加中间引理，Guided 提供证明思路。Solver 工程共 30 项，要求开发可重复运行的算法程序，在独立测试实例和统一资源限制下评测；数学构造轨道固定合法性条件与参考纪录，以保证可比性。 报道称 Kimi K3 刷新了图论构造的参考纪录。GPT-6 Astra 在开放猜想上完成的是五元有限域上的 9 维特殊情形，完整的 Alon–Jaeger–Tarsi 猜想仍未解决。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。