跳到主要内容Skip to main content

Models · Data · 评测集

AIME 2024

竞赛级数学题,答案唯一,适合压力测试长链推理与自我校验。

来源MAA / AI-MO
规模30 题(2024 AIME I/II)
语言英文
格式JSONL
许可题目版权归 MAA;使用需核对
商用需逐条核对
获取Hugging Face / 官方题面
任务适配竞赛数学评测 / 长链推理
核验日2026-11-19

质量与偏差

竞赛级数学题,答案唯一,适合压力测试长链推理与自我校验。

使用边界

题量小,单题波动会放大分数差;题面公开后污染风险高。

第一次使用

用固定模板跑多次,记录方差与答案抽取失败率。

常见坑

把 30 题分数当稳定能力;忽略模型见过题目的可能。

成本

低;但需要较多采样。

不适合

不适合作为唯一数学评测。

对比与替代

与 MATH-500 相比题少但更难;适合做补充而非主榜。

怎么验证

核对年份与题号;抽 5 题人工验证答案。

下一步

  • 打开来源页,下载数据集卡与许可原文,确认版本与获取条件。
  • 先抽 100–500 条样本做质量、语言与敏感内容抽检,再决定是否进训练管线。
  • 如果用于 RAG 或 SFT,先读 RAG 语料怎么选 / SFT 数据怎么配比。
来源:https://huggingface.co/datasets/AI-MO/aimo-validation-aime · 核验日 2026-11-19 · 许可以来源页为准