行业与实践 · 标签「可验证」

研究与基准测试/2026-11-07/18 分钟

TB-MathModel：把数学建模做成可验证的智能体基准

TB-MathModel 用 18 道 CUMCM 与 MCM 赛题评测建模智能体。答案既要接近优秀论文的数值锚点，也要通过程序门控和 Lean 义务。七个多模态条目里，最强多参照 O-Eval 为 64.58%。