SkyThought项目AIME2025评测任务配置更新解析
2025-06-25 16:04:39作者:吴年前Myrtle
在数学推理评测领域,AIME(American Invitational Mathematics Examination)作为知名数学竞赛,其2025年度的数据集近期被纳入SkyThought项目的评测体系。本文针对该数据集的最新配置变更进行技术解析。
数据集结构调整背景
AIME2025数据集近期进行了结构性更新,将原始数据划分为两个独立子集:
- AIME2025-I
- AIME2025-II
这种划分方式反映了数学竞赛中常见的分阶段测试模式,使评测能更精确地反映模型在不同难度和题型上的表现。
任务接口变更说明
项目最新版本对评测接口做出了以下重要调整:
-
任务命名规范
原先的aime25
任务已拆分为:aime25_1
(对应AIME2025-I子集)aime25_2
(对应AIME2025-II子集)
-
配置参数要求
用户需要明确指定使用的子集配置,系统不再支持默认的通用接口。这种设计强制用户明确评测目标,避免混淆不同难度层级的测试结果。
技术实现建议
对于开发者而言,建议采取以下实践方案:
-
环境准备
通过源码安装最新版SkyThought,确保获取最新的评测脚本和数据集配置。 -
评测执行示例
# 评测AIME2025-I子集 python run_eval.py --task aime25_1 # 评测AIME2025-II子集 python run_eval.py --task aime25_2
-
结果对比分析
建议分别运行两个子集的评测后,进行交叉对比分析。这种分而治之的策略有助于:- 识别模型在不同数学领域的专项能力
- 发现模型在特定题型上的性能瓶颈
- 优化数学推理能力的训练策略
技术意义
本次更新体现了数学推理评测的精细化发展趋势。通过子集划分:
- 提升了评测的颗粒度和针对性
- 支持更细粒度的能力维度分析
- 为后续的模型优化提供更明确的改进方向
建议用户关注两个子集可能存在的题型分布差异,这对理解模型的数学推理能力边界具有重要意义。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8