为什么重要
CNMO（中国数学奥林匹克）是中国的顶级数学竞赛，难度接近 IMO。DeepSeek R1 在 CNMO 2024 上达到 67.6%，成为中国模型在数学推理上的标志性成绩。
构建方式
- 每年由中国数学会组织出题
- 6 道证明/计算题，每题 21 分，总分 126 分
- 题目涵盖代数、几何、数论、组合
- 需要严格的数学证明（不是选择题）
任务示例
示例（2024 CNMO）：“证明：对于所有正整数 n，存在一个 n 位数，使得其各位数字之和等于其最大素因子…”
关键发现
- DeepSeek R1 达到 67.6%（约 4 题能做对），是开源模型最好成绩
- OpenAI o1 约 50%——中国数学特色题目上国产模型有优势
- 证明题要求逻辑链完整，部分”直觉正确”的答案因证明不严格而失分
关联基准
- AIME：美国数学竞赛，难度接近
- MATH：更广的数学评测
- FrontierMath：研究级数学
不足与展望
- 每年只有 6 题，样本量极小，方差大
- 评分需要数学专家人工判断证明是否严格
- 自动评分目前不可靠（证明类题目的自动化验证仍是挑战）