为什么重要
MATH 是 GSM8K 的进阶版，12500 道竞赛级数学题，7 个领域 × 5 级难度。推理模型已接近饱和（97%）。
构建方式与示例
从 AMC/AIME 等竞赛收集。7 领域：代数、组合、几何、中间代数、数论、预微积分、概率。
关联基准与展望
关联：AIME、FrontierMath、GSM8K。推理模型接近饱和。
返回评测
推理 数学-基础 接近饱和
模态 · 文本
任务 · 数学求解
MATH
12,500 道来自 AMC/AIME 等数学竞赛的问题
UC Berkeley ·
考察能力
竞赛数学 代数 几何 数论
构建信息
- 数据规模
- 12,500 questions
- 评测方式
- 标准评测
- 核心指标
- Accuracy (%)
资源链接
模型效果排行
🥇 DeepSeek R1
97.3%
🥈 OpenAI o3
96.7%
🥉 GPT-4o
76.6%
数学 竞赛