图灵奖得主姚期智与月之暗面创始人杨植麟联手发布 arXiv 论文,搭建一套名为 TCSExam 的理论计算机科学评测基准,对 9 款当下顶尖大模型做全链条科研级考核,最终结果显示,目前没有任何大模型可以独立攻克理论计算机方向的开放猜想,AI 还做不到自主产出完整、可靠的前沿数学研究成果,这个结论打消了很多数学研究者对 AI 会快速取代数学家、独立解决重大猜想的焦虑,所以被大家形容成让数学家松了一口气。在这之前 OpenAI 放出大量 AI 数学手稿,市场上出现很多声音,认为 AI 马上就能搞定复杂数学猜想、替代理论研究者,这次 TCSExam 把评测标准拉到真正科研的级别,不只是简单刷题,覆盖定理证明、构造算法、求解器工程、猜想探索四类硬核任务,全部采用 Lean4 形式化验证,杜绝 AI 编造伪证明的情况,虽然部分模型在局部构造、子步骤上表现亮眼,但面对未解决的公开难题,依旧无法独立完成闭环证明。
TCSExam 四类评测任务清单
- 定理证明:要求 AI 输出可以通过 Lean4 校验的形式化严格证明,不接受自然语言模糊论证,机器内核自动核验逻辑对错
- 算法构造:针对 TCS 经典问题,让 AI 设计通用算法,并且通过大批量测试用例验证算法有效性
- 求解器工程:AI 自主编写专用求解代码,处理一类问题,而不是只写出单题答案
- 猜想探索:给定研究方向,让 AI 主动提出合理猜想,并且尝试给出证明思路或者反例
9 个前沿大模型测试概况表
| 项目 | 详情 |
|---|---|
| 参评模型数量 | 9 款主流前沿大模型,包含 GPT-6 Astra、Kimi 等 |
| 题库总量 | 100 道研究级 TCS 考题,经过领域专家核验 |
| 验证方式 | Lean4 形式化证明器自动校验,规避幻觉假证明 |
| 核心结论 | 没有模型独立解决开放猜想;部分子问题、局部构造 AI 能给出优质方案 |
| 能力边界 | AI 适合做辅助,帮忙找思路、补步骤、写形式化代码,不能独立完成前沿理论突破 |
TCSExam 和以往数学评测集的差别
老的数学评测大多是竞赛题、课本习题,有标准答案,偏向解题;而 TCSExam 瞄准的是真实科研场景,很多题目本身没有现成标准答案,考验 AI 做研究的能力,还要强制形式化校验,直接卡住 AI 常见的 “看起来很对、实际逻辑有漏洞” 的幻觉证明,之前很多评测高估 AI 数学能力,就是缺少这种硬核验证环节。
研究带来的启示
AI 是数学家很好的协作工具,用来试思路、构造例子、写形式化证明片段、排查逻辑漏洞都很有价值;但前沿理论研究里最核心的提出猜想、搭建全新证明框架、判断方向价值这些能力,目前 AI 还不具备,数学家的核心位置不会被短期替代。
【常见问题】
问题 1:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,是不是代表 AI 完全不适合做数学辅助?
回答 1:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,结论只是 AI 暂时没法独立攻克开放数学猜想,并不是否定 AI 的辅助价值,AI 依然可以辅助数学家完成形式化编写、局部证明、构造样例等工作。
问题 2:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,TCSExam 的题目是普通数学竞赛题吗?
回答 2:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,TCSExam 的 100 道题目都是理论计算机方向的研究级问题,不是奥数、高考这类竞赛习题,目标模拟真实科研场景。
问题 3:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,测试里面表现最好的大模型可以做到什么程度?
回答 3:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,表现靠前的模型可以完成不少子命题证明、构造出优质算法,甚至个别构造结果优于已知人类方案,但依然无法独立攻克未解决的开放猜想。
问题 4:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,论文是姚期智和杨植麟第一次合作署名吗?
回答 4:姚期智杨植麟联手的 TCSExam 研究让数学家松了一口气,从公开论文记录来看,这是姚期智与杨植麟首次联合署名的学术论文,团队成员来自清华、上海期智研究院、月之暗面。
【参考资料】
[2026-11-16](姚期智杨植麟联手,让数学家松了一口气)蓝鲸财经
[2026-11-15](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)智源社区
[2026-11-13](姚期智、袁洋团队与杨植麟等 | 从 “探索” 到 “证明”: 让 AI 像牛顿一样思考)腾讯新闻
[2026-11-11](姚期智杨植麟联手,让数学家松了一口气)36 氪
[2026-11-05](TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research)arXiv
【免责声明】
本文基于姚期智、杨植麟团队 TCSExam 预印本论文和行业媒体报道整理,相关 AI 数学能力结论仅针对本次评测范围,不代表所有数学场景;AI 数学能力持续迭代,后续新模型可能出现能力变化,相关学术判断请以同行评审后的正式论文为准。
