Mathematical Reasoning On Aime24
评估指标
Acc
评测结果
各个模型在此基准测试上的表现结果
比较表格
| 模型名称 | Acc |
|---|---|
| qwen2-5-technical-report | 23.3 |
| search-o1-agentic-search-enhanced-large | 56.7 |
| 模型 3 | 74.4 |
| 模型 4 | 44.6 |
| 模型 5 | 16 |
| 模型 6 | 70.0 |
| s1-simple-test-time-scaling | 56.7 |
| deepseek-r1-incentivizing-reasoning | 79.8 |