随着大语言模型(LLM)的发展越来越快,我们需要更好的方法来评估它们到底有多“聪明”,特别是在处理复杂数学问题的时候。AIME 2025 就是这样一个工具,它专门用来测试当前 AI 在高等数学推理方面的真实水平。
AIME2025
2025年美国数学竞赛邀请赛的试题,用于测试大模型的数学推理能力
15
个人
数学推理
Accuracy
随着大语言模型(LLM)的发展越来越快,我们需要更好的方法来评估它们到底有多“聪明”,特别是在处理复杂数学问题的时候。AIME 2025 就是这样一个工具,它专门用来测试当前 AI 在高等数学推理方面的真实水平。
模型简称 | 得分 | 发布机构 | 发布时间 | 参数规模(亿) |
---|---|---|---|---|
Grok 3.5 | 92.3 |
|
2025-05-06 | 未知 |
OpenAI o3 | 88.7 |
![]() |
2025-04-16 | 未知 |
Gemini 2.5 Pro Experimental 03-25 | 86.9 |
![]() |
2025-03-25 | 0.0 |
Grok 3 | 77.1 |
|
2025-02-17 | 未知 |