图灵奖得主、清华大学交叉信息研究院院长姚期智与月之暗面创始人杨植麟首次联合署名，发布了一套名为TCSExam的理论计算机科学评测框架，用100项研究级任务检验前沿AI Agent能否真正参与数学研究。在其中的数学构造任务里，Kimi K3将124个点、不含三角形和四边形的图的最大边数从629条提升到630条，并通过程序验证。

多一条边听起来微不足道，但在组合数学的极值构造问题中，每增加一条边都意味着要在全图124个点之间重新完成一次精密的结构重组。此前数学界普遍认为629条已接近极限，因此这次推进被视为AI首次在“极值构造”这类研究级任务上把人类参考纪录向前推了一步。

这项研究的核心问题并非单纯刷新数字，而是回答AI能否做数学研究、而不只是做数学题。姚期智是中国理论计算机科学的奠基者之一，杨植麟则是大模型创业一线操盘手，两代人、两种身份的首次联合署名，本身就意味着AI做科研需要理论计算机科学家与大模型团队共同定义“什么才算做出来了”。

TCSExam将100项任务划分为四条可验证轨道：20项定理证明要求提交Lean 4证明；30项Solver工程要求开发可重复运行的算法程序；20项数学构造考察生成满足严格约束的图、纠错码等对象；30项开放猜想允许从证明成立或寻找反例两个方向展开。框架通过Lean 4、程序检查器和Checkpoint机制，分别验证数学证明、算法表现及中间推导，避免把局部进展误判为完整成果。

在定理证明轨道，GPT-6 Astra完成了20项研究级定理中的14项。在开放猜想轨道，Astra将Alon–Jaeger–Tarsi猜想在五元有限域上的已知证明范围从8维推进到9维。其证明思路是假设存在9维反例，利用低维结论限制反例结构，再通过坐标计数和有限类别分析将问题压缩为整数约束，最终从197条方程中选取143条构造出矛盾证书，证明被整理成包含71个Lean模块的项目并独立编译核验。

不过，Astra完成的只是五元有限域上的9维特殊情形，完整的Alon–Jaeger–Tarsi猜想仍未解决。TCSExam的其他开放猜想实验中，部分被接受的Ryser和MIRUP反证来自对OpenAI已公开成果的检索与适配，其余28项开放猜想没有得到完整解决方案。

实验还揭示了模型能力的差异：Kimi K3在Bare、Ladder和Guided三种指导模式下分别至少完成3、4、7道不同定理，DeepSeek V4.1 Flash 0910则分别完成0、2、6道。提供中间引理与证明思路后完成数量明显增加，说明困难往往集中在关键引理的发现以及将分散推导组织成完整证明。

从产业视角看，TCSExam的意义在于把“AI做科研”从模糊的能力宣称转化为可独立验证的研究成果。对月之暗面而言，这是一次AI for Science的能力展示；对数学界而言，这是一套可复用的评测框架；对关注AI产业的投资者而言，它提供了一个观察模型能力边界的标尺——AI已经能在部分研究级任务上产出机器可核验的新结果，但距离自己提出关键引理、规划长程证明仍有明显差距。这种能力进展将影响市场对AI在基础科学领域商业化节奏的预期，也关系到模型厂商在科研场景中的差异化竞争。