【23 Daily 綜合報導】11月12日，圖靈獎得主姚期智與月之暗面創始人楊植麟攜手發布了新一代人工智慧科研任務評測系統TCSExam，該系統專為理論計算機科學設計，可全面涵蓋定理證明、算法開發、數學構造及猜想挑戰。此成果標誌著AI首次在極值構造這類數學研究中推進人類極限參考紀錄，由機器可核驗的新科研成果引領AI科學研究的可信度躍升。消息來源：據 leiphone.com 報導。
突破性的科研成果與核心挑戰
此次最受矚目的成果是AI模型Kimi K3突破了124個點的圖論問題參考紀錄，在不出現三角形及四邊形的條件下，新增一條邊至630條，超越原有的629條紀錄。這條邊的增加並非簡單加碼，而是涉及整個圖形結構的精密重組，顯示AI具備改寫研究極值問題紀錄的潛力。姚期智指出，該項工作深刻探討了AI究竟能否真正「做」數學研究，而不僅是演算數學題目。為了驗證AI研究成果的真實有效，團隊聯合打造了TCSExam作為標準評估框架，避免將偶然解答誤認為具備邏輯嚴謹性的突破。
TCSExam架構與評測設計
TCSExam將科學研究分為定理證明、Solver工程、數學構造和開放猜想四大軌道，分別對應研究中不同類型的成果。該評測系統涵蓋100項多領域高端理論計算機科學任務，並結合形式化工具Lean 4、程序檢查器及Checkpoint機制，確保AI提交的證明與算法可被完全驗證。團隊通過嚴格的任務形式化流程與審核機制，控制AI的研究指導程度，分別以Bare、Ladder和Guided三種模式測試AI模型，明確展示關鍵引理發現與組織完整證明的挑戰。
AI在開放猜想突破中的技術細節
在挑戰開放猜想時，GPT-6 Astra將有限域矩陣猜想的證明推廣從8維擴展到9維，展現了AI結合數學結構分析與計算工具的實力。Astra構造了一組複雜的非負整數約束系統，將問題轉化為判斷整數線性方程組是否存在矛盾，且整個推導可由Lean系統獨立證明與驗證，展現了從反例假設、結構壓縮、到證明轉換的完整流程。
編輯觀點：AI科研評測的意義與未來機會
TCSExam的開發不僅提升了AI數學研究的可信度，也為創業者提供新的技術試驗場，尤其在高階AI研發、形式化驗證工具設計及AI與科研深度結合的創新應用領域。團隊嚴謹區分了局部研究進展與完整突破，確保成果的科學價值與重現性。創業者可藉由此框架驗證與推動AI科研能力，打造自動化多學科研究助理、證明協同平台或結合AI的科研評估服務，開拓科研生產力提升的商機。驗證方法包含使用TCSExam中的多軌道任務測試AI模型的定理證明與算法性能，並針對產出結果執行形式化證明核查與程序再現，確保每一步推理持續符合嚴謹標準。此框架標誌著AI從協助工具向獨立科研參與者的演化，促使產業與學術界進一步融合。