AIME (Competition Math)
ベンチマーク
性能
Olympiad-track problems — where reasoning models showed their jump.
これはベンチマークのレコードです。業界がチップやモデルの性能を測定するために使うテストと、そこから実際にわかることを紹介します。
The American Invitational Mathematics Examination became the standard hard-math benchmark because it resists pattern-matching: GPT-4o scored ~12%, o1 ~74–83%, and 2025 reasoning models near-perfect — the single clearest before/after of test-time compute. Gold-medal IMO performances by DeepMind and OpenAI systems in 2025 extended the story.
スタック全体とのつながり
このレコードのリンク一覧 — グループをクリックするとジャンプします。
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.