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