待验证60% 置信发布精确时间
月之暗面发布并开源理论计算机科学研究评测基准 TCS Exam,包含 100 道题的重套件和 20 道题的 light 套件,覆盖定理证明、求解器工程构造和开放猜想四个方向。
2
来源数
60%
置信度
长期有效
时效性
2026/11/8
首次发现
来源
Gemini Omni 1.2 Flash领衔:AI早报核心动态
bilibili橘鸦Juya2026/11/6
涉及实体
相关事实
待验证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。69% 相似待验证作者写下了25个测试用例,覆盖无工具问答、计算、代码执行、搜索、多步骤任务以及失败场景。65% 相似待验证TCSExam 的评估过程产生了改进的求解器输出、数学构造,以及从开放猜想尝试中得到的经过独立验证的特殊情形和界。63% 相似待验证TCSExam 是一个覆盖理论计算机科学(TCS)全谱系研究能力的统一评测基准,包含定理证明、求解器工程、构造和直接尝试解决开放猜想四条并行赛道。63% 相似待验证测试共跑了 130 个变体,覆盖不同推理努力程度,通过 OpenRouter 调用并尽可能锁定各实验室官方端点62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1147433API
curl https://kongchang.com/api/v1/knowledge/claims/1147433MCP
get_claim(id=1147433)