基准测试在测什么 › AIME

AIME

美国数学邀请赛原题,答案是 0 到 999 的整数。

数学领域30道题3条已知毛病2026-09-14数据截至
01

分数高对您意味着什么

本站根据出题方式和已知毛病解读

分高说明擅长竞赛套路题,不代表能做没有标准答案、要结合业务判断的数值分析。

本站解读 · 2026-09-14
02

怎么出题、怎么打分

出自官方论文与官方仓库

题目怎么来
每年两场、每场 15 道,常见汇总为一年 30 道
怎么打分
只核对最终整数,不看解题过程
官方论文与仓库 · 2026-09-14
03

已知毛病

官方自陈与第三方核查

  • 污染是最大问题:AIME 2024 被广泛转载,已污染多个模型,分数比未污染的同难度赛事高 10 到 20 分
  • 「当年新题」也不等于没见过:AIME 2025 第 1 题和一道旧题几乎相同
  • 只判答案,蒙对或错法凑对也算分;题量小、方差大
出处见来源清单 · 2026-09-14
04

来源清单

1 条

逐条摊开,每条附原文链接⌄

官方论文、仓库与第三方核查 · 1 条

您该怎么办

别拿单个基准的分数直接选模型。挑两三个候选,用您自己的真实任务各跑几次,看稳定性和返工量。

全部基准见基准测试在测什么;各模型分数见模型主榜。