待验证50% 置信事实精确时间

TCSExam-Full 包含 100 个经专家审阅的任务，所有提交由 Lean 内核或可执行的任务检查器进行校验。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/6

首次发现

有效期至：2027/2/4

来源

TCSExam：大模型征战理论计算机科学的统一考场

涉及实体

TCSExam-Fullproduct Leanproduct

相关事实

待验证研究者用100条经人工逐调用标注的轨迹对代理裁判进行校准69% 相似待验证研究基于 CRMArena-Pro 中的100个线索资格判定任务展开68% 相似待验证在 TCSExam 中，Lean 内核充当定理证明赛道和部分构造任务的硬裁判，而求解器工程和可执行构造任务则由实际运行的任务检查器校验，二者共同构成双重校验的客观性基础。68% 相似待验证研究团队对200个样本进行了技术审计以分析判别信号来源68% 相似待验证研究团队在 TCSExam-Full 上评测了八个智能体，在 TCSExam-Lite 上评测了九个智能体。65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1141685

API

curl https://kongchang.com/api/v1/knowledge/claims/1141685

MCP

get_claim(id=1141685)