姚期智与杨植麟首次合作发表论文，搭建了 TCSExam 评测基准，用来检验当下前沿大模型在理论计算机科研场景下的真实能力，测试结果很明确，参与评测的 9 款顶尖大模型，没有任何一个可以独立攻破 30 道还没有被人类解决的开放数学猜想。现在很多宣传都在说 AI 已经可以自主做高端数学研究、攻克世界级难题，但是过往评测大多偏向已经有标准答案的习题，很难区分 AI 是学会了推导，还是单纯记住了题库里的答案。这次研究跳出传统刷题榜单，把理论计算机科研完整流程拆成多个任务，全部采用 Lean4 形式化证明器自动校验结果，排除人工主观打分带来的偏差，既测试 AI 证明已知定理、编写求解程序、构造数学对象的能力，也加入 30 道长期悬而未决的开放难题作为终极考验，最终发现大模型可以在成熟定理证明、构造优化任务上拿出不错甚至小幅超越现有人类记录的成果，但面对没有现成解法的前沿猜想，依旧无法独立完成完整攻关。
TCSExam 评测任务清单
- 定理证明：要求 AI 写出可被 Lean4 核验的严谨形式化证明，针对已经有结论的研究级定理
- 求解器工程：开发通用算法程序，批量处理同类问题，不能只针对单题写固定答案
- 数学构造：生成满足约束条件的数学结构，尝试突破现有的最优构造记录
- 开放猜想攻坚：30 道尚未解决的理论计算机方向公开难题，检验 AI 自主开辟研究路径的能力
9 款参评大模型核心测试结果
- 定理证明赛道：GPT-6 Astra 成功率 70%，Kimi K3.1 Pro 为 38.3%，其余模型最高不足 11.7%
- 数学构造赛道：Kimi K3、GPT-6 Astra 都产出了优于过往公开基线的构造结果
- 开放猜想赛道：全部模型，30 道难题独立攻坚通过率 0
论文核心结论要点
✅ AI 已经具备辅助理论计算机科研的能力，可以帮忙写证明、做构造、优化部分数学结构
✅ AI 能够刷新部分图论、量子纠错码领域的构造记录，属于有效的科研辅助工具
✅ 当前大模型缺少自主提出全新研究思路、从零攻克未知开放猜想的能力
✅ 市面上只看刷题准确率的数学榜单，会高估 AI 独立开展原创数学研究的水平
【相关 FAQ】
问题 1：姚期智杨植麟联手发布的这篇论文里，30 道数学世界难题，为什么所有 AI 都无法独立攻破？
回答 1：姚期智杨植麟联手发布论文里的 30 道数学世界难题属于无标准答案的开放猜想，没有现成解题路径和参考证明，当前大模型擅长基于已有文献模仿推导，缺少自主创造全新研究逻辑的能力，所以没有 AI 能够独立攻破。
问题 2：姚期智杨植麟论文中的 TCSExam 评测，和普通的 AI 数学能力测试有什么差别？
回答 2：姚期智杨植麟论文里的 TCSExam 评测覆盖理论计算机科研全流程，引入 Lean4 自动核验，还加入 30 道数学世界难题作为开放猜想测试，和只考有标准答案习题的普通数学测试相比，更贴近真实原创科研的难度。
问题 3：既然 30 道数学世界难题 AI 都攻不破，是不是代表 AI 在数学科研上完全没有用处？
回答 3：不是，姚期智杨植麟的论文同时证实，AI 虽然无法独立攻克 30 道数学世界难题，但在已知定理证明、数学构造、算法开发上可以产出有效成果，能够作为科研助手提升数学家的工作效率。
问题 4：参与姚期智杨植麟这项测试、挑战 30 道数学世界难题的大模型，里面包含 Kimi 吗？
回答 4：包含，Kimi K3.1 Pro、Kimi K3 都参与了姚期智杨植麟这项 TCSExam 测试，在定理证明和构造任务上有不错表现，但同样没能独立攻破 30 道数学世界难题。
【参考资料】
[2026-11-14]（姚期智杨植麟首次联手发论文！30 道数学世界难题无一 AI 独立攻破）新浪财经
[2026-11-12]（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」）新浪财经
[2026-11-11]（姚期智杨植麟联手，让数学家松了一口气）36 氪
[2026-11-10]（9 个前沿大模型，如何证明人类数学极限？）国际科技创新中心
[2026-11-09]（姚期智、杨植麟联合署名论文：9 个前沿大模型，如何证明人类数学极限？）澎湃新闻
【免责声明】
本文仅为科技资讯科普，不构成投资、技术选型以及学术结论指导。姚期智杨植麟论文的详细实验设定、模型参数、评测数据集以 arXiv 公开原文为准；AI 数学能力还在持续迭代，本次测试结论仅代表本次 TCSExam 基准下的实验结果。