研究团队推出理论计算机科学评测基准TCSExam
Start here
2026年11月6日，研究团队推出基准框架TCSExam，用于评估前沿大语言模型在理论计算机科学全谱系的研究能力。该框架涵盖定理证明、求解器工程、构造及开放猜想四大赛道，共包含100个由Lean内核或程序验证的任务，并精选20个任务作为Lite版本。在具体评测结果中，GPT-6 Astra以71.9分领跑Full榜单，Opus 5.5则以72.3分在Lite榜单中位列第一。
AI-generated from reports · Updated 6 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能TCSExam：评估前沿 LLM 在理论计算机科学全领域的研究表现
研究团队推出基准框架 TCSExam，涵盖定理证明、求解器工程、构造及开放猜想四大赛道，用于评估前沿 LLM 在理论计算机科学全谱系的研究能力。该框架包含 100 个由 Lean 内核或程序验证的任务（Lite 版精选 20 个），评测中 GPT-6 Astra 以 71.9 分领跑 Full 榜单，Opus 5.5 以 72.3 分领跑 Lite 榜单。
Story heat trend
Current heat 8·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.