TB-MathModel：面向智能体式、可验证数学建模的终端型基准
TB-MathModel用于评测完整的竞赛式数学建模任务，收录了2023至2025年CUMCM和MCM的18道题目。智能体在容器化终端环境中作答，并提交JSON结果。数值核心部分依据多份获奖的人类解答进行评分。系统通过程序化检查和624项Lean 4证明义务验证可行性；不可行的答案得零分。在对七个多模态系统的测试中，最高成绩为64.58%。一款开源模型以百分之一的成本取得59.81%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。