图灵奖得主姚期智和月之暗面创始人杨植麟完成首次联手发论文,论文上传 arXiv,推出全新评测基准 TCSExam,用来检验 9 款全球顶尖前沿大模型在理论计算机科研场景下的真实能力,测试里包含 30 道还没有被人类证明的 TCS 开放猜想,最终结果是没有任何一款 AI 可以独立完整攻破其中任意一题,不过大模型不是完全没有价值,在已经被证明的研究级定理证明任务上,像 GPT-6 Astra 这类模型可以达到 70% 的成功率,部分场景还能给出有参考意义的数学构造、中间推导结论,甚至产出优于现有公开方案的图论结果,整套评测使用 Lean4 形式化证明引擎自动核验对错,避免自然语言里的文字忽悠,和过去只考课后习题的数学评测集不一样,TCSExam 完整复刻科研流程,包含定理证明、求解器开发、数学对象构造、猜想实验验证四大环节,核心目的是搞清楚 AI 到底能不能自主完成前沿理论科研,而不是单纯刷做题榜单。
一、论文与 TCSExam 基准基础清单
- 论文名称:TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research
- 发布平台:arXiv
- 核心作者:姚期智、杨植麟等,来自清华交叉信息研究院、月之暗面、上海期智研究院
- 被测模型数量:9 款前沿大模型
- 核验工具:Lean4 形式化证明内核,机器自动校验证明逻辑
- 测试大类:定理证明、求解器工程、数学构造、猜想验证
- 开放猜想题库:30 道理论计算机领域未解决公开难题
二、两类考题结果对比表
| 考题类型 | 测试结果说明 |
|---|---|
| 已证明研究级定理 | 头部大模型最高 70% 证明成功率,可输出 Lean4 可验证证明 |
| 30 道未解决开放猜想 | 所有被测 AI 全部失败,无独立完整攻破案例,仅可产出部分中间思路 |
三、TCSExam 四大评测环节说明
- 定理证明:要求 AI 输出 Lean4 格式的严谨证明,机器逐行校验逻辑
- 求解器工程:让 AI 写出通用算法程序,批量输入测试样例验证可用性,不能背题
- 数学构造:构造特定图、集合等数学对象,满足对应的约束条件
- 猜想实验验证:针对开放猜想做小规模数值实验、寻找反例线索
【相关 FAQ】
问题 1:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,是不是 AI 完全没法帮数学家?
回答 1:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,AI 不能独立攻克开放猜想,但可以帮忙写证明片段、构造数学例子、开发算法原型,作为科研辅助工具。
问题 2:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,TCSExam 和普通 MATH 数学数据集差别在哪?
回答 2:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,普通 MATH 是习题类题目,答案已知;TCSExam 覆盖真实科研闭环,还加入人类至今未解的开放猜想。
问题 3:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,为什么要用 Lean4 做校验?
回答 3:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,Lean4 形式化引擎可以自动核验逻辑,防止大模型用看似通顺的自然语言编造假证明。
问题 4:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,Kimi 模型也参与本次评测了吗?
回答 4:姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破,月之暗面 Kimi 系列属于 9 款被测模型之一,同样没能独立攻破 30 道开放猜想。
【参考资料】
[2026-11-14](姚期智杨植麟首次联手发论文!30 道数学世界难题无一 AI 独立攻破)新浪财经(量子位)
[2026-11-13](姚期智、杨植麟联合署名论文:9 个前沿大模型,如何证明人类数学极限?)澎湃新闻
[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
[2026-11-05](TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research)arXiv
[2026-11-13](Andrew Yao and Yang Zhilin Co-Author TCSExam)Pandaily
【免责声明】
本文仅整理姚期智、杨植麟 TCSExam 论文公开测试结果,测试范围仅限理论计算机方向 30 道开放猜想,结论不能泛化到全部数学分支;AI 辅助科研的效果会随模型迭代持续变化,论文完整结论以 arXiv 原文为准,内容不构成对大模型能力的绝对定性判断。
本文来自作者[Hazel56]投稿,不代表诚邦网立场,如若转载,请注明出处:https://www.cbpmc.com.cn/qyzx/202611/1125.html
评论列表(4条)
我是诚邦网的签约作者“Hazel56”!
希望本篇文章《姚期智与杨植麟首次联合署名论文,TCSExam 测试显示 30 道开放猜想无 AI 能够独立攻破》能对你有所帮助!
本站[诚邦网]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完成首次联手发论文,论文上传 arXiv,推出全新评测基准 TCSExam,用来检验 9 款全球顶尖前沿大模型在理论计算机科研场景下的真实能力,测试里包含 30 道还没有被人类证明的 TCS 开放猜想,最终结果是没有任何一款 AI 可以独立完整攻破其中任意一题,不过大模型不是完全没有价值,在已经被证明的研究级定理证明任务上,像 GPT-6 Astra 这类模型可以达到 70% 的成功率,部分场景还能给出有参考意义的数学构造、中间推导结论,甚至产出优于现有公开方案的图论结果,整套评测使用 Lean4 形式化证明引擎自动核验对错,避免自然语言里的文字忽悠,和过去只考课后习题的数学评测集不一样,TCSExam 完整复刻科研流程,包含定理证明、求解器开发、数学对象构造、猜想实验验证四大环节,核心目的是搞清楚 AI 到底能不能自主完成前沿理论科研,而不是单纯刷做题榜单。