Rohan Paul (@rohanpaul_ai)T2·基座大模型
78 分
清华大学与月之暗面联合发布 TCSExam 基准，包含 100 项专家评审任务，覆盖 Lean 定理证明、求解器工程、破纪录构造与 30 个开放猜想四大方向，所有提交均由 Lean 内核或任务检查器验证。结果显示，GPT-6 Astra 在无提示引理条件下完整证明率达 70.0%，Kimi K3.1 Pro 为 38.3%，其余 6 个智能体最高仅 11.7%；但在 30 个理论计算机科学开放猜想上，同一模型全部失败，少数被接受的提交也只是改编了 OpenAI 已公开的反例与证明。