★ 3
TCSExam 基准发布：GPT-6 Astra 领先，Opus 5.5 轻量版居首
论文推出 TCSExam，覆盖理论计算机科学研究全谱系的评测框架与基准，含定理证明、求解器工程、构造与开放猜想攻坚。完整版 100 项任务由 Lean 内核或可执行检查器验证。GPT-6 Astra 在完整版居首（71.9），Opus 5.5 在轻量版居首（72.3）。
arXiv cs.AI6 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文推出 TCSExam，覆盖理论计算机科学研究全谱系的评测框架与基准，含定理证明、求解器工程、构造与开放猜想攻坚。完整版 100 项任务由 Lean 内核或可执行检查器验证。GPT-6 Astra 在完整版居首（71.9），Opus 5.5 在轻量版居首（72.3）。