清华与 Moonshot AI 等机构发布 TCSExam 基准,用 100 道专家评审任务评估 LLM 在理论计算机研究全谱系的能力,涵盖 Lean 定理证明、求解器工程、构造纪录和 30 个公开猜想,所有提交由 Lean 内核或任务检查器验证。