姚期智杨植麟等发布 TCSExam 基准:30 道开放猜想无一被 AI 独立攻破
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
AI 导读
姚期智、杨植麟等作者在 arXiv 发布理论计算机科学基准 TCSExam,100 道科研级题目中 GPT-6 Astra 以 71.9 分居首、Kimi K3.1 Pro 以 57.4 分次之,但 30 道人类尚未解决的开放猜想无一被任何模型独立攻破。题目分形式化定理证明、求解器工程、数学构造和开放猜想四类,全部由 Lean 4 形式化内核与自动验证工具按代码是否通过判分。论文称有两个模型在开放猜想上零星得分,但过程中联网检索了 OpenAI 此前公开的反例与证明,因此不算独立解决。在具体构造上模型仍给出了超出参考的结果,Kimi K3 在 124 个顶点条件下连出 630 条边(参考构造为 629 条),并把纠错码最小汉明距离从 5 提升到 6;GPT-6 Astra 将一处二进制编码的码字数量参考上界从 84 收紧到 82。
相关论文