TCSExam 论文:GPT-6 Astra 以 71.9 分居首,Opus 5.5 领跑精简版
rohanpaul_ai · x · 2026-11-09
arXiv 论文《TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research》,作者来自清华大学与 Moonshot AI(含杨立尧/姚期智团队方向)。
- 提出覆盖理论计算机科学研究全谱系的统一基准:定理证明、求解器工程、构造构造与公开猜想直接攻坚
- TCSExam-Full 含 100 道专家评审任务,提交由 Lean 内核或可执行检查器验证;TCSExam-Lite 选 20 题,将尝试次数减少 80%
- TCSExam 指数综合四赛道:GPT-6 Astra 以 71.9 领跑 Full,Opus 5.5 以 72.3 领跑 Lite;两者在 8 个共享 agent 上排名高度一致(Spearman ρ=0.93)
- 评测产出了改进的求解器与数学构造,以及独立验证的公开猜想特例与界
提供任务来源、Docker 构建配方与评测工具,可复现。
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