TCSExam 基准测试：评估前沿 LLM 在理论计算机科学研究中的能力
理论计算机科学版的 LLM 考试来了：GPT-6 Astra 和 Opus 5.5 分别拿下两个版本第一，还真能推进一些开放猜想的特殊情形，做研究的人可以看看这套用 Lean 验证的评测框架。
#TCSExam
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「TCSExam」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月6日
理论计算机科学版的 LLM 考试来了：GPT-6 Astra 和 Opus 5.5 分别拿下两个版本第一，还真能推进一些开放猜想的特殊情形，做研究的人可以看看这套用 Lean 验证的评测框架。