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
rohanpaul_ai · x · 2026-11-09
清华大学与 Moonshot AI 的论文发现,GPT-6 Astra 能在 Lean 中证明 70.0% 的研究级计算机科学定理,但在 30 道理论计算机科学(TCS)公开猜想上全部失败(0/30)。
- TCSExam 包含 100 道专家评审任务,分四个赛道:Lean 定理证明、求解器工程、破纪录构造、30 道公开猜想;所有提交由 Lean 内核或任务检查器验证
- 不提供引理时,GPT-6 Astra 定理证明成功率 70.0%,Kimi K3.1 Pro 为 38.3%,其余 6 个 agent 至多 11.7%
- 少数被接受的猜想提交,也只是改写了 OpenAI 已发表的反例与证明
结果显示前沿模型在可机器验证的定理证明上进展显著,但真正推进开放研究问题仍是空白。
所属事件:清华与月之暗面发布 TCSExam：GPT-6 Astra 能证定理却解不开猜想(2 条相关)→
「模型」频道最新
- KOL 称 Sora 仍是唯一能生成以假乱真视频的模型 — Kyrannio · 2026-11-09
- 博主实测 Hermes Agent:模型中立,可跑 GLM 5.3 与多款模型 — Scobleizer · 2026-11-09
- Sora 2 收费后无法再以任何价格访问,早期惊艳输出成绝响 — gandamu_ml · 2026-11-09
- 用户实测疑触发 GPT-6.2 灰度,GPT-6.1 Sol 部分路由到新模型 — koltregaskes · 2026-11-09
- Thinking Machines 发布 Inkling 2 Small：594B MoE，权重下周开源 — geoffwolfe · 2026-11-09
- Opus 5.5 竟自己选了个完全随机的测试 secret — davidcrawshaw · 2026-11-09