主要证据
- Measuring Mathematical Problem Solving With the MATH DatasetS1 · 主要研究来源 · 论文 · 2021-03-05
- MATH dataset repository and evaluation codeS1 · 主要研究来源 · 代码仓库
MATH 将竞赛数学确立为语言模型标准基准之一
该基准覆盖代数、几何、数论、概率等竞赛数学主题，并提供完整解题过程。
发生了什么？
MATH 数据集引入了 12,500 道具有逐步解答的高难度竞赛数学问题，用于训练与评测。
为什么重要？
此后数年，MATH 上的进展成为观察 LLM 数学推理能力变化的主要量化信号之一。
重要性说明：MATH 成为衡量多步竞赛级数学推理的长期基准，并在后续推理模型快速提升后反过来显示出基准饱和问题。
历史脉络
证据与状态一览
- 重要性
- H2 · 领域里程碑
- 验证状态
- 论文已发布
- 证据等级
- E3 · 可检查工件
- AI 角色
- 仅计算支持
- 形式保障
- 有形式化工件
贡献与验证
- 数学新颖性
- 工具性进展
- 接口
- 非形式化, 符号
- AI 贡献
- AI 系统在该基准上训练与评测；基准本身由研究者构建。
- 人类贡献
- 研究者收集题目与解答、设计数据集并研究模型扩展规律。
- 验证状态
- 论文已发布 · E3 · 可检查工件 · 有形式化工件
- 最后审阅
- 2026-09-15
技术细节
- 系统
- math-benchmark
- 机构
- uc-berkeley
- 数学问题
- competition-mathematics
- 方法
- benchmarking, dataset-curation
全部来源与工件
- Measuring Mathematical Problem Solving With the MATH DatasetS1 · 主要研究来源 · 论文 · 访问于 2026-09-10
- MATH dataset repository and evaluation codeS1 · 主要研究来源 · 代码仓库 · 访问于 2026-09-11
验证历史
- 2021-03-05 · 论文已发布 · E2 · 研究记录
Chronicle 依据所引 primary / official source 记录该事件；该状态不表示 Chronicle 已完成独立验证。
- 2026-09-11 · 论文已发布 · E3 · 可检查工件
本轮 corpus 刷新增补了由作者或发布机构维护、可直接检查的公开产物。E3 表示证据已达到可检查 artifact 层级，并不等同于底层科学或数学主张已获得独立验证。
更正
当前没有记录的更正。