avatar

Xiaojun Wu

Ph.D. Candidate, HKUST(GZ)
Affiliate LLM Researcher, IDEA Research
wuxiaojun@idea.edu.cn & wuxiaojun@pku.edu.cn & xwu647@connect.hkust-gz.edu.cn


Column

大模型自建测评benchmark

围绕 Terminal-Bench-Science 与 Mathematical Modeling 的 Agentic、可验证 benchmark 实践。

Back to Blog

TB-MathModel(一):第一个 Agentic and Verifiable Benchmark for Mathematical Modeling

阅读 知乎未公开 收藏 12 点赞 3

Agentic、verifiable、统一标准环境,对于评测大模型未来解决真实数学建模问题的长程能力,或者把数学建模任务作为 RL envs 去用强化学习优化模型,都有非常重要的意义。如果只看普通数学题,今天的大模型已经很强了。给一道 AIME,给一道证明题,或者给一道高中竞赛题,我们通常能把问题压缩成一句话:最后答案是多少?但真实世界里的数学不是这样...

Read article

© 2025 Xiaojun Wu. All rights reserved. Powered by Jekyll and Minimal Light theme.