| Benchmark | 测评分类 | 可信级别 | 开放 | 热度 |
|---|---|---|---|---|
hendrycks-MATH-benchmark MATH· nlile | 数学竞赛数学 | B待确认 | 40.0 | |
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 | |
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 |