علوم_کامپیوتر_نظری

Moonshot AI و دانشگاه Tsinghua بنچمارک TCSExam را منتشر کردند؛ ۱۰۰ مسئله پژوهشی علوم کامپیوتر نظری برای عامل‌های هوش مصنوعی با راستی‌آزمایی Lean

۱۸ آبان ۱۴۰۵

پژوهشگران دانشگاه Tsinghua، شرکت Moonshot AI و مؤسسه Shanghai Qizhi در ۳ نوامبر ۲۰۲۶ مخزن TCSExam را در GitHub منتشر کردند و دو روز بعد مقاله آن در arXiv آمد. در نسخه کامل، GPT-6 Astra با ۷۱٫۹ امتیاز اول است و در نسخه Li…