为什么重要
测试模型运用数学定理解决问题的能力——不是背定理，是用定理。
构建方式与示例
800 道需要引用和应用定理的问题。例如：“用格林公式计算以下曲线积分…”
返回评测
推理 科学推理 未饱和
模态 · 文本
任务 · 选择 / 判断
TheoremQA
800 道需要应用大学级数学/物理/CS 定理来解决的 STEM 问题
Waterloo & Google ·
考察能力
定理应用 大学STEM 数学 物理 CS
构建信息
- 数据规模
- 800 questions / 350 theorems
- 评测方式
- 标准评测
- 核心指标
- Accuracy (%)
资源链接
模型效果排行
🥇 o3
68.4%
🥈 GPT-5
62.1%
🥉 GPT-4
43.0%
定理 STEM 大学级