竞赛数学推理

该维度采用公开竞赛数学题集和可核验标准答案，最初用于研究逐步推理与过程监督。

页面同时说明题目范围和计分限制，避免把固定 500 题的正确率误解为全部数学能力。

该评测是 500 道竞赛数学题的整理子集，覆盖代数、几何、中级代数、数论、预备微积分和概率。

题目最初用于研究过程监督，强调逐步解答与精确数学表达，而不只要求一个未经解释的最终数字。

• 完成多步代数、几何、数论和概率推理。
• 把推导写成结构清晰的数学解答。
• 以规范 LaTeX 形式给出可核对的最终答案。

• 使用固定的 500 题测试子集，覆盖 6 个领域和多个难度等级。
• 每道题以文本形式提交，并要求逐步说明及 LaTeX 数学表达。
• 所有模型使用同一题集、相同回答要求和一致的最终答案核对规则。

• 向模型逐题提交竞赛数学问题并收集推导与最终答案。
• 从回答中核对最终结论是否与标准答案一致。
• 汇总 500 道题的首答正确与错误结果。

• 每题最终答案正确记 1，错误或无法提取记 0。
• 总分为 500 道题的正确比例，数值越高越好。

• 主指标为 500 题总体正确率。
• 结果同时报告 Token 用量、评测成本、每任务时间和发布日期关系。

• 500 题子集不能覆盖数学证明与开放研究问题的全部形态。
• 最终答案正确率无法完整反映中间推理是否可靠。