arXiv Artificial Intelligence· Yifan Luo, Zhengying Liu, Yang Yuan, Zhilin Yang, Andrew Chi-Chih Yao·· 2 天前AI 评分41
TCSExam：评估前沿 LLM 在 TCS 全领域研究能力的基准
TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research
AI 导读
TCSExam 是覆盖理论计算机科学（TCS）全领域研究的统一基准，评测定理证明、求解器工程、构造以及直接攻克开放猜想。TCSExam-Full 含 100 个专家评审任务，提交由 Lean kernel 或可执行检查器验证；TCSExam-Lite 从中选 20 个任务，在同等单次预算下将尝试次数减少 80%。
来源：arXiv Artificial Intelligence · arxiv.org