arXiv · cs.AI· Yifan Luo·· 20 小时前AI 评分43
TCSExam：评测前沿 LLM 在全部 TCS 研究领域的表现
TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research
来源与原文
arXiv · cs.AI
作者：Yifan Luo
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07962v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
TCSExam 是一个覆盖理论计算机科学（TCS）全领域研究的统一框架与基准，评测定理证明、求解器工程、构造以及直接攻克开放猜想。TCSExam-Full 含 100 个专家评审任务，提交由 Lean kernel 或可执行任务检查器验证；TCSExam-Lite 从中选取 20 个任务（每赛道 5 个），在同等单次预算下将任务尝试次数减少 80%。八个智能体在 Full、九个在 Lite 上评测，GPT-6 Astra 以 71.9 领跑 Full，Opus 5.5 以 72.3 领跑 Lite，两者排名高度一致（Spearman's ρ=0.93）。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。