既存の評価パイプラインにAMO-Benchを追加する方法

AMO-Benchリリース:IMOレベルの数学競技のための大規模モデル推論ベンチマーク

1. Abstract AMO-Benchは、美団のLongCatチームが立ち上げた高度な数学的推論ベンチマークで、国際数学オリンピアード(IMO)レベルからさらに高難易度の競技問題に焦点を当てています。 ベンチマークは50問の新しい人間が設計した問題で構成されており、システムは自動スコアリングと人...