主要证据
- Omni-MATH: A Universal Olympiad Level Mathematic Benchmark For Large Language ModelsS1 · 主要研究来源 · 论文 · 2024-10-10
- Official Omni-MATH benchmark repositoryS1 · 主要研究来源 · 代码仓库
Omni-MATH 在旧数学基准趋于饱和后更新奥赛级评测
该基准在前沿推理模型逐渐接近 MATH 等旧数据集饱和后设计。
发生了什么？
Omni-MATH 引入 4,428 道人工标注的竞赛数学题，覆盖 33 个以上子领域和 10 个以上难度等级。
为什么重要？
它在推理专用模型兴起阶段提供了更有区分度的非形式数学评测。
重要性说明：Omni-MATH 针对数学基准快速饱和的问题，构建了更大且难度划分更细的奥赛级数学题集。
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
- 前沿语言模型在多个难度等级和数学子领域接受评测。
- 人类贡献
- 研究者整理并标注竞赛问题，设计分类体系与评分。
- 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
- omni-math
- 机构
- shenzhen-research-institute-of-big-data
- 数学问题
- olympiad-mathematics
- 方法
- benchmarking, difficulty-stratification
全部来源与工件
- Omni-MATH: A Universal Olympiad Level Mathematic Benchmark For Large Language ModelsS1 · 主要研究来源 · 论文 · 访问于 2026-09-10
- Official Omni-MATH benchmark repositoryS1 · 主要研究来源 · 代码仓库 · 访问于 2026-09-11
验证历史
- 2024-10-10 · 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。