← 全部模型资讯

姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边

雷峰网 2026 年 11 月 12 日报道,姚期智与杨植麟等研究者联合提出 TCSExam,用 100 项理论计算机科学研究任务评测 AI Agent,分定理证明、Solver、数学构造与开放猜想四条轨道。报道称 Kimi K3 在 124 点、不允许出现三角形与四边形的构造任务上给出 630 条边的图,超过 629 条参考纪录并通过程序验证;报道未提及相关模型的权重、许可与计费。

发布 更新
原报道封面 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道封面原始报道 ↗

发生了什么

雷峰网 2026 年 11 月 12 日的报道称,图灵奖得主、清华大学交叉信息研究院院长姚期智与月之暗面创始人杨植麟等研究者联合提出评测框架 TCSExam,把 100 项理论计算机科学研究任务分成四条轨道:定理证明 20 项,要求提交 Lean 4 证明;Solver 工程 30 项,要求提交可重复运行的算法程序;数学构造 20 项,考察能否生成满足严格约束的图、纠错码等对象;开放猜想 30 项,允许从证明成立或给出反例两个方向推进。报道给出的论文编号为 arXiv 2611.07962v1。报道称,在给 124 个点连线、不允许出现三角形与四边形的构造任务上,Kimi K3 给出 630 条边的图,超过此前 629 条的参考纪录,并通过程序验证。同一报道称,GPT-6 Astra 完成 20 项研究级定理中的 14 项,并把五元有限域上一个矩阵猜想在特定条件下的已知证明范围从 8 维推进到 9 维;该证明被整理成含 71 个 Lean 模块的项目,在独立环境中重新编译并完成公理依赖检查。报道还称,Kimi K3 在某次尝试中完成 7 个中间 Checkpoint、覆盖程度 87.5%,却没有完成主定理所需的最终推导;在 Bare、Ladder、Guided 三种指导条件下,Kimi K3 分别至少完成 3、4、7 道不同定理,DeepSeek V4.1 Flash 0910 分别为 0、2、6 道。报道提到,部分被接受的 Ryser 与 MIRUP 反证来自对 OpenAI 已公开成果的检索与适配,其余 28 项开放猜想没有得到完整解决方案。以上均为报道转述的研究方陈述。

对开发者的影响

对开发者来说,这条新闻里可迁移的部分不是那一条边,而是评测口径本身。报道显示,同一个模型在是否提供中间引理、是否给出证明思路的不同条件下,完成的定理数量出现明显变化;这本身只是报道给出的实验结果,但它指向一个通用问题:任何以“自主完成”为目标的评估,如果提示里写进了中间步骤,测到的就是另一件事,接入选型时容易把两种能力混在一起谈。TCSExam 的做法是用 Lean 4 内核检查证明并审计依赖、用可重跑的程序检查算法输出、用 Checkpoint 隔离局部推导,同时明确说当证明 A 借用 B、证明 B 又依赖 A 时,局部检查分别通过也不构成完整证明——这套分层思路可以直接搬到自己的 Agent 验收环节,前提是输出能被机械检验,例如代码能否编译、约束是否满足、检查器能否重算出同一目标值。报道还提到被接受的 Ryser 与 MIRUP 反证部分来自检索并适配公开成果,这等于提醒自建题库要防“答案已在网上”的污染。另外,报道称 Solver 轨道引入了相对于 Kimi K3 多次运行结果的标准化评分,也就是说在这套框架里 Kimi K3 同时充当了参照系,读到“优于参考”这类表述时需要先确认比较对象是谁。现实的约束是,这类任务属于研究级,任务量少、单题耗时与成本都高,把它当成日常回归测试并不现实;报道也没有说明这些模型以何种接口形式被调用、如何计费,因此不宜把单点纪录直接当成采购或迁移依据。

接入与评估建议

以下是基于报道的条件性建议,属于推断与操作建议,不是已核实的事实。第一,把“提示里给了多少脚手架”当成显式变量来测。报道中的可观察变化是:Kimi K3 在 Bare、Ladder、Guided 三种条件下分别至少完成 3、4、7 道不同定理,DeepSeek V4.1 Flash 0910 为 0、2、6 道。要做的选择是,如果负载要求模型自己找出关键中间步骤(长程 Agent、无法预先拆解的开放问题),就以不带中间提示的那一档为主要参考;如果流程里本来就有步骤拆解,就按提供思路的那一档评估。触发这个选择的前提是任务能否被可靠地预先拆成中间目标。可测判据是同一批任务在三种指导档下各跑一遍,记录主定理完整通过的数量差;若提供思路的那一档明显高于不带提示的那一档,说明该模型在你场景里的自主性有限,预算要留给人工拆解或额外轮次。第二,把验收从“让另一个模型读一遍”换成“产出物加独立检查器”。报道中可迁移的机制是研究证书:定理交给 Lean 4 内核检查并审计依赖,算法提交可重复运行的程序、由检查器重新判定合法性并重算目标值,中间目标在临时假设下单独检查,主定理还必须去掉未证明假设后复查。要做的选择是,对输出可机械验证的任务,要求模型同时交付结果与一段检查脚本,由你的流水线重跑,只有重跑通过才计入成功。报道以 IWLS 2023 逻辑综合任务为例给出了一组可观察数字,属于该任务的举例而非 Solver 轨道的整体结论:GPT-6 Astra 在这 100 个实例中都生成了有效电路,其中 22 个优于公开参考电路、31 个达到参考水平、另外 47 个使用了更多 AND 门;这说明“有效”与“更优”必须分开统计。可测判据就是把有效率与优于参考的比例分成两列记录,否则只统计能否跑通时,优化质量的下降不会在报表里出现。第三,单独统计“接近完成”。报道中的典型情形是 Kimi K3 某次尝试完成了 7 个中间 Checkpoint、覆盖程度 87.5%,却没有完成主定理所需的最终推导,系统保留局部成绩但拒绝认定为完整证明。要做的选择是把“部分完成”和“交付通过”拆成两个字段,而不是折成一个总分,否则长任务上的能力变化会被平均掉。前提是你能把任务拆出可独立检查的中间目标;可测判据是主定理通过率与平均 Checkpoint 覆盖率同时记录,两者走势不一致时以主定理通过率为准。

限制与待确认事项

需要保留的不确定性有几处。这是研究者自建的评测:报道称开发过程中有超过 40 道候选定理因试运行阶段已被解决而退出题库,说明难度标定仍在调整。630 条边的结果按报道是经程序验证的构造,本文没有独立复现,也没有见到第三方复核;8 维到 9 维是五元有限域上的特殊情形,完整的 Alon–Jaeger–Tarsi 猜想仍未解决,报道也说其余 28 项开放猜想没有得到完整解,因此不宜把单点纪录读成通用的研究能力。三种指导档下的定理完成数量只覆盖定理证明轨道的一部分,也不能当作整体排名。报道未提及 Kimi K3 或 DeepSeek V4.1 Flash 0910 的权重、许可与计费方式,也没有给出任何模型上线或开放权重的时间表。就当前 KimiSeek 目录而言,Kimi K3 有同名条目,但这只是目录的当前状态,不能用来推断报道中实验的复现条件、接口形式或任何发布计划;报道中出现的 DeepSeek V4.1 Flash 0910 这一版本名,在当前目录中没有精确对应条目,该版本当前未列在 KimiSeek 上,报道也未说明其是否通过 API 提供,相关接入与费用信息应以厂商的说明和定价页为准。

原报道配图

原报道配图 1 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 1原始报道 ↗
原报道配图 2 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 2原始报道 ↗
原报道配图 3 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 3原始报道 ↗
原报道配图 4 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 4原始报道 ↗
原报道配图 5 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 5原始报道 ↗
原报道配图 6 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 6原始报道 ↗
原报道配图 7 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 7原始报道 ↗
原报道配图 8 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 8原始报道 ↗
原报道配图 9 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 9原始报道 ↗
原报道配图 10 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 10原始报道 ↗
原报道配图 11 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 11原始报道 ↗
原报道配图 12 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 12原始报道 ↗
原报道配图 13 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 13原始报道 ↗
原报道配图 14 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 14原始报道 ↗
原报道配图 15 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 15原始报道 ↗
原报道配图 16 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 16原始报道 ↗
原报道配图 17 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 17原始报道 ↗
原报道配图 18 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 18原始报道 ↗
原报道配图 19 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 19原始报道 ↗
原报道配图 20 — 姚期智与杨植麟等提出 TCSExam:100 项理论计算机科学任务评测 AI Agent,Kimi K3 图论构造多出 1 条边
原报道配图 20原始报道 ↗

三分钟跑通第一次调用

注册后创建 API Key。调用费用从账户余额扣除。新用户首充 7 折。充 ¥500,实付 ¥350,到账 ¥500。充 ¥1000,实付 ¥850,到账 ¥1000 最低充值仍为 ¥10,适合试用。

来源与编写说明

姚期智杨植麟首次联手给 AI 出的博士级题目,Kimi 多画出了「关键一条边」

本文基于所列来源,由 AI 辅助整理、分析和翻译,并经过自动质量检查。分析与建议不代表实测结果;模型可用性与价格请以当前目录为准。