The Endless Exam 用可自动验证的开放数学构造任务评测模型是否接近或超越已知数学 frontier

The Endless Exam 提出 14 个参数化 mathematical-construction families，并为每个提交对象提供自动 validity check 和相对 published frontier / baseline 的连续质量评分，且评分不在 1 处封顶。作者在 8 个模型、69 个实例上测试，发现现有系统都未超过已发表 frontier，但连续 size–quality curves 能比 pass/fail 更细致地区分进展。项目公开 generators、verifiers、references、model responses 与分析。