TB-MathModel 数学建模基准发布

Xiaojun Wu 发布 TB-MathModel，称其为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，按复现的特等奖论文数值核心评分；采用方向感知的单侧评分（超越基准不扣分），并以六类可判定不变式的程序化门控加 624 条 Lean 4 义务做两层可行性验证，不可行答案直接归零。 七个多模态模型各跑三次随机种子，最强达到多参考 O-Eval 64.58%；一个成本 $2.54 的开源模型以 1/100 成本保持 59.81%。源代码已在论文给出的链接公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。