我们提出 TCSExam，一个覆盖理论计算机科学（TCS）全部研究方向的统一基准框架。它同时考察定理证明、求解器工程、构造性证明以及直接尝试解决公开猜想四类任务，既能衡量具体的研究成果，也能捕捉对长期目标的进展。\n\nTCSExam‑Full 包含 100 例经专家审阅的任务，提交结果需通过 Lean 核心或可执行检查器验证。TCSExam‑Lite 只保留每条轨道的 5 例，共 20 例，任务量比 Full 减少 80%，但每次尝试的预算保持不变。\n\n我们对八个模型在 Full 上、九个模型在 Lite 上进行评测，并用 TCSExam Index 汇总四条轨道的得分。GPT‑6 Astra 在 Full 中得分最高（71.9），Opus 5.5 在 Lite 中领先（72.3）。在八个同时参评的模型之间，Full 与 Lite 排名的 Spearman 相关系数达到 $\rho=0.93$，说明 Lite 能以更紧凑的规模保持强区分度。\n\n评测结果展示了求解器输出和数学构造的提升，并出现了若干独立验证的特殊情形和界限，证明了模型在开放猜想上的潜在价值。TCSExam 还提供任务来源、Docker 构建脚本和评估工具，便于社区复现和扩展。\n\n点评：TCSExam 为衡量大模型在理论计算机科学中的实际贡献提供了系统化、可复现的基准，Lite 版的高相关性使其成为快速筛选模型的实用工具。