IMO-ProofBench Advanced
IMO-Bench 是 Google DeepMind 开发的一套基准测试套件，针对国际数学奥林匹克（IMO）水平的数学问题设计，用于评估大型语言模型在数学推理方面的能力。该基准包括三个子基准：AnswerBench、ProofBench 和 GradingBench，涵盖从短答案验证到完整证明生成和评分的全过程。发布于 2025 年 11 月，该基准通过专家审核的问题集，帮助模型实现 IMO 金牌级别的性能，并提供自动评分机制以支持大规模评估。
更新于 2026-02-20
674 次浏览
问题数量
60
发布机构
Google Deep Mind
评测类别
数学推理
评测指标
Accuracy
支持语言
英文
难度等级
高难度
简介
谷歌发布的用于评估大型语言模型生成完整、逻辑严谨的数学证明能力大模型评测基准
相关资源
IMO-ProofBench Advanced Model Score Leaderboard
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
Latest IMO-ProofBench Advanced model rankings and full benchmark leaderboard
Browse the latest scores, model modes, release dates, and parameter sizes for IMO-ProofBench Advanced.
Model release cutoff:
IMO-ProofBench Advanced详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | DeepSeekMath-V2 Thinking Level · High | 61.90 | 2025-11-27 | 6850 |
| 2 | GPT-5 Thinking Enabled | 20.00 | 2025-08-07 | 未知 |
| 3 | Grok 4 Thinking Enabled | 18.60 | 2025-07-10 | 未知 |
| 4 | Gemini 2.5-Pro Thinking Enabled | 17.60 | 2025-06-05 | 未知 |
| 5 | Qwen3-235B-A22B-Thinking Thinking Enabled | 5.20 | 2025-07-30 | 305 |
| 6 | Claude Sonnet 4 Thinking Enabled | 4.80 | 2025-05-23 | 未知 |
| 7 | Claude Sonnet 4.5 Thinking Enabled | 4.80 | 2025-09-30 | 未知 |
| 8 | DeepSeek-R1-0528 Thinking Enabled | 3.80 | 2025-05-28 | 6710 |