主要证据
- OlympiadBench: A Challenging Benchmark for Promoting AGI with Olympiad-Level Bilingual Multimodal Scientific ProblemsS1 · 主要研究来源 · 论文 · 2024-02-21
- OlympiadBench dataset and evaluation repositoryS1 · 主要研究来源 · 代码仓库
OlympiadBench 将奥赛级评测扩展到双语多模态科学问题
该基准面向前沿文本与多模态模型保持较高难度，并提供细致的评测方法。
发生了什么？
OlympiadBench 引入 8,476 道双语多模态奥赛级数学与物理问题，并提供专家逐步推理标注。
为什么重要？
它把 AI4Math 评测从英语纯文本竞赛题扩展到双语与多模态场景。
重要性说明：OlympiadBench 提供大规模双语奥赛级基准，把数学、物理和多模态题目结合起来。
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, 数值
- AI 贡献
- 语言模型与多模态模型在该基准上接受评测。
- 人类贡献
- 研究者整理题目、专家标注与评测规则。
- 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
- 2026-09-11
技术细节
- 系统
- olympiadbench
- 机构
- tsinghua-university, openbmb
- 数学问题
- olympiad-mathematics, olympiad-physics
- 方法
- benchmarking, multimodal-evaluation
全部来源与工件
- OlympiadBench: A Challenging Benchmark for Promoting AGI with Olympiad-Level Bilingual Multimodal Scientific ProblemsS1 · 主要研究来源 · 论文 · 访问于 2026-09-10
- OlympiadBench dataset and evaluation repositoryS1 · 主要研究来源 · 代码仓库 · 访问于 2026-09-11
验证历史
- 2024-02-21 · 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。