arXiv 人工智能· Yifan Luo, Zhengying Liu, Yang Yuan, Zhilin Yang, Andrew Chi-Chih Yao·· 6 時間前AI スコア43
TCSExam：评估前沿 LLM 在理论计算机科学全领域的研究表现
TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research
未翻訳のため中国語で表示しています。
AI ガイド
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。
出典：arXiv 人工智能 · arxiv.org