清华与月之暗面发布TCSExam定理证明基准评测
先了解这件事
清华大学与月之暗面（Moonshot AI）团队发表 TCSExam 论文，提出覆盖定理证明、求解器工程、构造与公开猜想攻坚的统一基准，并用其评测多个前沿大模型。论文显示，GPT-6 Astra 能在 Lean 中证明 70.0% 的研究级理论计算机科学定理，但在 30 道公开猜想上全部失败（0/30）；Kimi K3.1 Pro 的无引理定理证明成功率为 38.3%，其余六个 agent 最高仅 11.7%。 基准分两个版本：含 100 道专家评审任务的 TCSExam-Full 中，GPT-6 Astra 以 71.9 分领先，提交由 Lean 内核或可执行检查器验证；选 20 题、尝试次数减少 80% 的 TCSExam-Lite 中，Opus 5.5 以 72.3 分领先。团队同时公开任务来源、Docker 构建配方与评测工具以便复现。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt清华与月之暗面 TCSExam 基准：GPT-6 Astra 证明 70% 定理却解不开 0 道公开猜想
清华大学与 Moonshot AI 的 TCSExam 论文显示，GPT-6 Astra 能在 Lean 中证明 70.0% 的研究级计算机科学定理。在 30 道理论计算机科学公开猜想上却全部失败（0/30），Kimi K3.1 Pro 的无引理定理证明成功率为 38.3%，其余 6 个 agent 至多 11.7%。
- AGI HuntTCSExam 论文发布，GPT-6 Astra 与 Opus 5.5 分列两个版本首位
清华大学与 Moonshot AI 团队发布 TCSExam 论文，以统一基准评估前沿 LLM 在定理证明、求解器工程、构造与公开猜想攻坚方面的能力。TCSExam-Full 含 100 道专家评审任务，GPT-6 Astra 以 71.9 分领先；TCSExam-Lite 含 20 题并将尝试次数减少 80%，Opus 5.5 以 72.3 分领先。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月9日 03:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。