基准AIME 2024+2025
AIME2024+2025
美国数学邀请赛2024与2025年试题组成的数学推理基准，用于评估大模型的高难度数学问题求解能力。
时间轴 (近 90 天)
10月26日
J-Comm 在 MATH500 上达到 94.80%，在 GPQA-Diamond 上达到 54.55%，在 AIME2024+2025 上达到 73.33%，在 ALFWorld 上达到 62.93% 成功率。
待验证50%
美国数学邀请赛2024与2025年试题组成的数学推理基准，用于评估大模型的高难度数学问题求解能力。
J-Comm 在 MATH500 上达到 94.80%，在 GPQA-Diamond 上达到 54.55%，在 AIME2024+2025 上达到 73.33%，在 ALFWorld 上达到 62.93% 成功率。