FrontierMath v2 · Tiers 1–3

何を測るか

v2 の Tiers 1–3 のみ。旧問題群や Tier 4 と同一指標に混ぜません。

ランキングでの扱い

単一モデルの評価条件を確認した測定のみが、固定された分野・タスク群の重みで集計対象になります。有効な重みは各公開集計に保存します。

比較の限界

関連する数学タスクは固定された重みを共有します。

出典・利用条件

CC BY 4.0 · Epoch AI の公式評価データ。帰属と出典リンク、集約による変更を表示します。

Epoch AI による成績です。元の点数は尺度が異なるため単純加算せず、固定の基準尺度で比較します。