图灵奖得主姚期智和月之暗面创始人杨植麟联手发布论文，推出 TCSExam 评测基准，专门用来测试前沿大模型在理论计算机方向的科研能力，这份评测结果打消了前段时间 “AI 马上取代数学家” 的恐慌，所以才说让数学家松了一口气。这套基准一共 100 道研究级题目，用 Lean4 形式化证明工具自动核验答案，同时测试定理证明、求解器工程、数学构造、开放猜想四类任务，一共拉了 9 款主流大模型参与测试，结果显示顶尖模型虽然能搞定一部分中等难度证明、甚至做出少量优于人类公开记录的数学构造，但面对真正的开放猜想依旧能力不足，AI 更适合当成数学家的辅助工具，而不是直接替代研究者，也给后续 AI 数学能力的研究划定了清晰的测试标尺。
一、TCSExam 评测基础信息
| 项目 | 详情 |
|---|---|
| 论文名称 | TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research |
| 发布时间 | 2026-11-05，arXiv 上线 |
| 作者团队 | 清华大学交叉信息研究院、上海期智研究院、月之暗面 |
| 评测题目总量 | 100 道理论计算机科研原题 |
| 核验工具 | Lean 4 形式化证明器、可执行程序校验器 |
| 参评模型数量 | 9 款前沿大模型，含 GPT-6 Astra、Kimi K3.1 Pro 等 |
| 开源情况 | 评测基准、题目集、验证代码在 GitHub 开源 |
二、四类评测任务说明
- 定理证明：不给辅助引理，让模型独立写出可通过 Lean 核验的完整形式化证明，一共 20 道近年公开研究定理
- 求解器工程：要求模型写出通用求解代码，不是单题答案，代码要能批量处理测试样例
- 数学构造：产出图、编码方案等数学对象，附带证明凭证，目标是尝试超越现有人类公开构造结果
- 开放猜想：选取还没有公认解法的前沿猜想，测试模型能不能提出有效研究思路
三、核心评测结果
- 定理证明：GPT-6 Astra 成功率 70% 排名第一；Kimi K3.1 Pro 38.3% 第二；其余模型最高仅 11.7%
- 数学构造：GPT-6 Astra、Kimi 都做出了优于已有公开记录的构造，Kimi 刷新一道无三角无四边形图论构造结果
- 开放猜想：所有参评模型都无法真正解决开放猜想，只能给出一些参考思路，没有可靠证明
- 整体结论：大模型在结构化、中等难度的 TCS 问题上已经具备不错辅助能力，但距离独立攻克前沿数学难题差距很大
四、为什么这份结果会让数学家松一口气
- 破除极端预期：之前 OpenAI 放出大量 AI 数学手稿，很多人炒作 AI 很快搞定数学猜想、替代数学家，这次评测证明开放猜想仍是 AI 的短板
- 能力边界清晰：AI 擅长写证明、构造例子、写求解代码，但是不具备自主的深度数学洞察力，没法独立完成突破性猜想攻坚
- 定位回归辅助：AI 更适合做数学家的助手，帮忙试构造、写形式化证明、快速验证小结论，而不是替代研究者思考
- 评测标准规范化：TCSExam 用机器自动核验，避免人工主观打分，以后大家评估 AI 数学能力有统一标尺
五、当前这套评测的局限
- 只覆盖理论计算机科学方向，不包含数论、微分几何等其他纯数学分支
- 题目总量 100 道，对于浩瀚的数学研究来说样本有限
- Lean 形式化门槛高，很多人类数学成果本身没有转换成 Lean 代码，会带来评测偏差
- 测试只看单次输出，没有测试长时间迭代、多轮科研探索的智能体能力
【相关 FAQ】
问题 1：姚期智杨植麟联手推出 TCSExam，为什么说让数学家松了一口气？
回答 1：姚期智杨植麟联手推出 TCSExam，评测结果证实大模型没法解决前沿开放数学猜想，AI 只是科研辅助工具，不会短时间取代数学家，打消了 “AI 淘汰数学家” 的焦虑，所以让数学家松了一口气。
问题 2：姚期智杨植麟联手的 TCSExam 评测，用什么工具校验 AI 给出的数学证明？
回答 2：姚期智杨植麟联手的 TCSExam 评测，依靠 Lean 4 形式化证明器自动核验 AI 的证明，不是人工阅卷，保证证明逻辑严格可查。
问题 3：姚期智杨植麟联手的 TCSExam 评测里，Kimi K3.1 Pro 表现怎么样？
回答 3：姚期智杨植麟联手的 TCSExam 评测里，Kimi K3.1 Pro 定理证明成功率 38.3%，排在第二位，还在图论构造题上刷新了公开最优构造结果。
问题 4：姚期智杨植麟联手的 TCSExam，能不能用来评估所有方向的数学 AI 能力？
回答 4：姚期智杨植麟联手的 TCSExam 聚焦理论计算机科学 TCS 方向，暂时不能覆盖数论、几何等其他纯数学分支，有适用范围限制。
【参考资料】
[2026-11-11]（姚期智杨植麟联手，让数学家松了一口气）凤凰网科技
[2026-11-10]（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
[2026-11-10]（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）智猩猩
[2026-11-05]（TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research）arXiv
【免责声明】
本文信息全部来自 arXiv 论文、公开媒体报道，不构成学术和投资建议；TCSExam 评测结果、模型能力随版本迭代持续变化，AI 数学研究后续进展请以论文作者、模型厂商官方发布为准。
本文来自作者[星矢流码官]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/1543.html
评论列表（4条）
我是乌兰科技网的签约作者“星矢流码官”！
希望本篇文章《姚期智杨植麟联合推出 TCSExam 基准，给大模型数学能力划清边界》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：图灵奖得主姚期智和月之暗面创始人杨植麟联手发布论文，推出 TCSExam 评测基准，专门用来测试前沿大模型在理论计算机方向的科研能力，这份评测结果打消了前段时间 “AI 马上取代数学家” 的恐慌，所以才说让数学家松了一口气。这套基准一共 100 道研究级题目，用 Lean4 形式化证明工具自动核验答案，同时测试定理证明、求解器工程、数学构造、开放猜想四类任务，一共拉了 9 款主流大模型参与测试，结果显示顶尖模型虽然能搞定一部分中等难度证明、甚至做出少量优于人类公开记录的数学构造，但面对真正的开放猜想依旧能力不足，AI 更适合当成数学家的辅助工具，而不是直接替代研究者，也给后续 AI 数学能力的研究划定了清晰的测试标尺。