DataLearner logoDataLearnerAI
Latest AI Insights
Model Evaluations
Model Directory
Model Comparison
Resource Center
Tool Directory

加载中...

DataLearner logoDataLearner AI

A knowledge platform focused on LLM benchmarking, datasets, and practical instruction with continuously updated capability maps.

产品

  • Leaderboards
  • 模型对比
  • Datasets

资源

  • Tutorials
  • Editorial
  • Tool directory

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner curates industry data and case studies so researchers, enterprises, and developers can rely on trustworthy intelligence.

隐私政策服务条款
  1. Back to benchmark list
  2. /
  3. IMO-ProofBench Advanced

IMO-ProofBench Advanced 评测基准详情

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2026-02-20
Views434
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

查看原始论文
阅读学术论文原文
获取数据集
下载评测数据集
访问官网
浏览项目官方网站
DataLearner 介绍
中文详细解读

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...

详细评测数据

No parallel thinking results available

IMO-ProofBench Advanced详细排名数据表格

排名模型
1
DeepSeekMath-V2default
61.92025-11-276850
2
GPT-5default
202025-08-07未知
3
Grok 4default
18.62025-07-10未知
4
Gemini 2.5-Prodefault
17.62025-06-05未知
5
Qwen3-235B-A22B-Thinkingdefault
5.22025-07-30305
6
Claude Sonnet 4default
4.82025-05-23未知
7
Claude Sonnet 4.5default
4.82025-09-30未知
8
DeepSeek-R1-0528default
3.82025-05-286710