姚期智杨植麟推出 TCSExam 博士级考题Kimi 在图论构造多画出关键一条边

图灵奖得主姚期智和月之暗面创始人杨植麟首次联合发布 TCSExam 评测基准，这套基准一共 100 道理论计算机方向的博士级科研考题，用来检验顶尖大模型能不能做真正的数学科研，不只是简单刷题，在极值图论构造题目里，Kimi K3 成功构造出 124 个顶点、630 条边的图，满足图内不存在三角形、四边形的硬性约束，打破之前 629 条边的人类公开记录，这条多出来的边看着数量很少，但想要加上它，整个图的全部连接结构都要重新调整，任何一处改动都容易违规，结果经过程序核验，这个构造是成立的，这次评测一共拉来 9 款主流大模型参与，所有题目都用 Lean4 和自动校验程序判分，不靠人工主观打分，虽然 Kimi 在构造任务上拿到亮眼成果，但面对 30 道开放猜想难题，没有任何 AI 可以独立完成完整证明，AI 目前更适合做构造、辅助证明这类细分环节，还没法独立攻克顶级数学猜想。

TCSExam 考题分类清单

Kimi 刷新记录的图论题目详情

• 题目约束：一共 124 个顶点，连线之后图里不能出现三角形、四边形
• 旧记录：629 条边，长期被学界当成接近极限的构造
• Kimi 结果：630 条边，全部约束条件满足，程序核验通过
• 难度特点：极值图论的边界非常敏感，新增任意一条边，都有可能局部形成禁止的环，需要整体重构图结构
• 模型版本：Kimi K3

参与评测的模型整体表现

1. GPT-6 Astra：定理证明表现最强，20 道定理题完成 14 道，成功率 70%，同时改进量子纠错码构造
2. Kimi K3.1 Pro：综合得分 57.4 分，构造任务成功率很高，定理证明成功率 38.3%
3. Kimi K3：构造任务能力突出，完成这次 630 边图论构造，定理证明成功率 11.7%
4. 其余参评模型：DeepSeek、Qwen 等，定理证明成功率普遍偏低

TCSExam 评测的核心意义

1. 区别于普通数学题库，考题全部是科研级任务，对标博士阶段理论计算机研究工作
2. 评判体系自动化，避免人工打分带来的主观偏差，结果可复现
3. 分清 AI 能力边界：AI 可以做好数学构造、辅助证明、写求解器，但还不能独立攻克悬而未决的开放猜想
4. 基准已经开源，后续可以用来持续测试新模型的数学科研能力

【常见问题】

问题 1：姚期智杨植麟这套博士级考题里，Kimi 多画出的关键一条边是什么意思？

回答 1：姚期智杨植麟这套博士级考题是 TCSExam，Kimi 在极值图论构造题中，在 124 个顶点的图里，构造出 630 条边，比之前人类最好记录多一条，并且图里没有三角形、四边形，这条就是大家说的关键一条边。

问题 2：姚期智杨植麟联手推出的 TCSExam 博士级考题，全部题目 AI 都能独立解出来吗？

回答 2：姚期智杨植麟的 TCSExam 博士级考题里，构造类题目 Kimi 等模型拿到新成果，但是 30 道开放猜想难题，没有任何 AI 独立完成证明，AI 还存在明显能力上限。

问题 3：Kimi 多画出这条关键一条边，是不是代表 AI 已经可以独立解决全部图论难题？

回答 3：Kimi 多画出这条关键一条边，只是在这一道特定极值构造题上刷新记录，不代表 AI 能搞定所有图论问题，复杂定理证明、开放猜想依旧很难独立完成。

问题 4：姚期智杨植麟的 TCSExam 博士级考题，用什么方式判断 AI 答案对错？

回答 4：姚期智杨植麟的 TCSExam 博士级考题，依靠 Lean4 形式化证明内核和自动化程序校验，机器自动核验，不是人工主观判断答案好坏。

【参考资料】

[2026-11-12]（姚期智杨植麟首次联手给 AI 出的博士级题目，Kimi 多画出了「关键一条边」）新浪科技

[2026-11-11]（姚期智杨植麟联手，让数学家松了一口气）36 氪

[2026-11-10]（9 个前沿大模型，如何证明人类数学极限？）国际科技创新中心

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

【免责申明】

本文仅整理公开论文与行业资讯，TCSExam 基准测试结果、大模型数学能力存在局限性，不代表 AI 可以替代数学家开展全部理论研究，完整论文、测试细节请以 arXiv 原文和项目开源仓库为准。