姚期智杨植麟联手推出 TCSExam 基准 评测大模型数学科研能力

姚期智与杨植麟联合发布 TCSExam 评测基准，用 100 道理论计算机科研考题测试 9 款前沿大模型，最终结论是当下 AI 还没办法独立攻克数学领域的开放猜想，这个结果让很多数学家松了一口气。之前 OpenAI 放出大量 AI 产出的数学手稿，不少人担心 AI 很快就能独立解决重大数学猜想，直接替代数学家的核心科研工作，大家对 AI 的数学能力产生焦虑。TCSExam 这套基准用 Lean4 形式化证明器自动校验答案，分成四类科研任务，不只是简单做题，而是模拟真实数学和理论计算机的研究流程，想要看懂这套评测，先理解四类任务的区别，再看各模型得分，最后区分 “辅助证明” 和 “独立解决开放猜想” 两种能力边界。整体来看，这次评测不是否定 AI 的数学价值，而是明确了定位：AI 是数学家的科研助手，而不是能直接拿下顶尖开放难题的替代者，AI 可以帮忙写证明、构造方案、写求解器，但重大猜想突破依然需要人类主导。

TCSExam 四类评测任务清单

1. 定理证明：给研究级命题，模型输出可被 Lean4 校验的完整形式化证明，无额外引理提示
2. 求解器工程：让模型写出通用可复用算法程序，用大量测试用例验证正确性
3. 数学构造：寻找更优构造方案，目标是超越现有公开的最优构造结果
4. 开放猜想：测试模型能不能独立攻克学界还没有解决的公开猜想

参评大模型核心成绩对比表

TCSExam 评测落地步骤

1. 选题筛选：从近年理论计算机顶会论文里挑选 100 道真实科研难度题目，覆盖四大任务类型
2. 标准化设置：统一采用 Lean4 形式化语言，依靠机器内核自动校验，减少人工主观打分偏差
3. 批量跑测：9 款前沿大模型在相同条件下完成全部任务，记录每一题输出与校验结果
4. 结果统计：统计证明通过率、构造优劣、程序可用性，整理横向对比数据
5. 结论输出：确认现有模型可以完成部分定理证明、优化构造，但全部无法攻克开放猜想
6. 开源开放：TCSExam 基准开源，其他研究者可以继续用这套标准测试新模型

核心认知区分清单

• ✅ AI 能做：辅助写证明、生成算法、优化数学构造、快速试错、生成证明草稿
• ❌ AI 做不到：独立自主攻克长期悬而未决的数学开放猜想
• 边界：AI 产出的证明依然需要数学家核验、梳理思路，不能直接当成最终定论

【常见问题】

问题 1：姚期智杨植麟联手推出 TCSExam 基准，为什么说这个结果让数学家松了一口气？

回答 1：姚期智杨植麟联手推出 TCSExam 基准，评测证实当前所有参评大模型都没法独立攻克数学开放猜想，打消了大家担心 AI 快速取代数学家做核心科研的焦虑，所以数学家松了一口气。

问题 2：姚期智杨植麟联手的 TCSExam 基准，是怎么校验大模型数学证明答案的？

回答 2：姚期智杨植麟联手的 TCSExam 基准，依靠 Lean4 形式化证明器自动校验，不是人工阅卷，证明逻辑严格、可复现，避免主观判断带来的评分偏差。

问题 3：姚期智杨植麟联手的 TCSExam 评测里，大模型在数学科研上还有哪些可用价值？

回答 3：姚期智杨植麟联手的 TCSExam 评测显示，大模型可以完成部分定理证明、给出更优数学构造、编写求解算法程序，适合作为数学家的辅助工具，提升科研试错效率。

【参考资料】

[2026-11-11]（姚期智杨植麟联手，让数学家松了一口气）钛媒体

[2026-11-11]（姚期智杨植麟联手，让数学家松了一口气）新浪财经

[2026-11-10]（9 个前沿大模型，如何证明人类数学极限？）科学网

[2026-11-09]（姚期智杨植麟首次共同署名论文，Kimi 刷新一项图论构造公开最优结果）搜狐

[2026-11-05]（TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research）arXiv

【免责声明】

本文仅为姚期智杨植麟 TCSExam 论文资讯整理，不构成数学科研、模型选型参考；本次评测仅覆盖指定 9 款模型、限定 TCS 领域考题，不代表所有数学场景能力；模型能力持续迭代，后续新模型表现可能发生变化，结论以论文原文和最新开源基准为准。