| Benchmark | 测评分类 | 可信级别 | 开放 | 热度 |
|---|---|---|---|---|
GSM8K GSM8K· OpenAI | 数学通用数学 | S高可信 | 60.4 | |
hendrycks-MATH-benchmark MATH· nlile | 数学竞赛数学 | B待确认 | 40.0 | |
aqua_rat · deepmind | 数学通用数学 | B待确认 | 39.4 | |
math_dataset MATH· deepmind | 数学通用数学 | B待确认 | 36.1 | |
MathVerse · AI4Math | 数学通用数学 | B待确认 | 33.7 | |
TheoremQA · TIGER-Lab | 数学通用数学 | B待确认 | 29.6 | |
AIME 2025 AIME· MAA | 数学竞赛数学 | S高可信 | 25.5 | |
IneqMath · AI4Math | 数学竞赛数学 | B待确认 | 23.0 | |
lila · allenai | 数学通用数学 | B待确认 | 22.1 | |
TheoremExplainBench · TIGER-Lab | 数学通用数学 | B待确认 | 19.0 | |
MATH MATH· OpenAI | 数学竞赛数学 | S高可信 | 17.1 | |
AIME25 · TIGER-Lab | 数学竞赛数学 | B待确认 | 14.5 | |
FrontierMath · Epoch AI | 数学竞赛数学 | S高可信 | 10.6 | |
MATH Lvl 5 MATH· Hugging Face | 数学通用数学 | A已审核 | 10.0 |