arXiv · cs.CL· Xiaojun Wu·· 16 小时前AI 评分44
TB-MathModel：首个面向数学建模的智能体化可验证基准
Terminal-style Mathematical Modeling Bench: The First Agentic and Verifiable Benchmark for Mathematical Modeling
来源与原文
arXiv · cs.CL
作者：Xiaojun Wu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.08237v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
TB-MathModel 是首个同时具备智能体化、可验证与终端执行特征的数学建模基准，覆盖 2023–2025 年 18 道真实 CUMCM 与 MCM 赛题，智能体在容器化终端中返回单个 JSON 产物并按复现的特等奖论文数值核心评分。它采用方向感知的单侧评分（超越基准不扣分）和两层可行性验证——六类可判定不变式的程序化门控加 624 条 Lean 4 义务，不可行答案直接归零。七个多模态模型（各三次随机种子）中最强达到多参考 O-Eval 64.58%，$2.54 的开源模型以 1/100 成本保持 59.81%。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。