清华 TCSExam 基准：GPT-6 能证定理却解不开猜想吗？
采集摘要提供了「清华与 Moonshot AI 发布 TCSExam 基准：GPT-6 Astra 证明 70.0% 研究级定理但解不开任何公开猜想」这条线索。本文据此梳理可执行的判断步骤，以及仍需确认的适用条件；未逐条核验原始资料。
怎么判断？
采集简介称清华与 Moonshot AI 发布 TCSExam 基准，用 100 道专家评审任务评估 LLM 在理论计算机研究全谱系的能力，涵盖 Lean 定理证明、求解器工程、构造纪录和 30 个公开猜想，所有提交由 Lean 内核或任务检查器验证。建议读者关注模型在形式化证明与开放问题求解上的能力边界，不直接断言其智能水平。
如何判断 LLM 的理论能力
如果实际提供 Lean 内核验证结果，才能判断模型生成的证明是否真正成立。建议读者先确认 GPT-6 Astra 输出的定理证明代码能否通过 Lean 编译器编译，否则无法认定其具备研究级推导能力。
可以查看 GPT-6 Astra 在 100 道任务中的具体得分，但需注意摘要未说明该分数对应的具体题型分布情况。若无法获取细分数据，建议仅关注其能否完成基础构造纪录任务，避免将通用表现误读为理论突破。
如何验证猜想解决能力
如果实际提供猜想列表及模型回答，才能判断其是否具备探索未知问题的能力。建议读者核对 GPT-6 对那 30 个公开猜想的尝试记录，确认是否存在实质性进展或仅停留在表面描述。
可以观察模型在遇到无法证明的猜想时是否承认局限，但摘要未说明 GPT-6 在此类情况下的具体反应细节。若缺乏相关记录，建议不将其视为具备解决能力，以免高估其在数学前沿的实际贡献。
适用边界与结论限制
建议明确 TCSExam 仅评估特定任务集内的表现，不能据此推断模型在所有理论计算机科学领域的全能性。如果实际提供更广泛的测试场景，才能得出通用能力结论，否则需警惕样本偏差带来的误导风险。
可以指出当前结果证明模型在形式化验证上有优势，但摘要未说明其在创造性推理或复杂工程应用中的具体数据。若缺乏补充信息，建议不夸大其研究级潜力，仅承认其在既定基准下的相对表现。
资料链接
以下为采集记录附带的资料链接；本文依据摘要做独立分析，未逐条核验原文，也不代表本站实测。