Trang chủ › Các benchmark › AIME (Competition Math)
AIME (Competition Math)
Benchmark
Năng lực
Olympiad-track problems — where reasoning models showed their jump.
Bạn đang xem hồ sơ benchmark: một bài kiểm thử mà ngành công nghiệp sử dụng để đo hiệu năng chip hoặc mô hình — và những gì nó thực sự cho biết.
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.
Kết nối của mục này với phần còn lại của hệ thống
Các liên kết của hồ sơ này trong nháy mắt — nhấp vào một nhóm để chuyển đến nhóm đó.
Liên quan
Nguồn
Hồ sơ được xem xét tính đến 2026-01-15 — xem Phương pháp luận.