AIME-2026#

概述#

AIME 2026（2026年美国数学邀请赛）是一个基于著名AIME竞赛题目的基准测试。AIME是美国最具挑战性的高中数学竞赛之一，该基准测试旨在评估高级数学推理与问题解决能力。

任务描述#

  • 任务类型：竞赛数学问题求解

  • 输入：AIME级别的数学问题

  • 输出：整数答案（0-999），附带逐步推理过程

  • 难度：高级高中 / 大学低年级水平

主要特点#

  • 题目来自2026年AIME I和AIME II竞赛

  • 答案始终为0到999之间的整数

  • 要求具备创造性数学推理与解题能力

  • 涉及主题：代数、几何、数论、组合数学、概率

  • 代表顶尖高中数学竞赛难度

评估说明#

  • 默认配置采用 0-shot 评估方式

  • 答案需用 \boxed{} 格式包裹以便正确提取

  • 使用LLM-as-judge进行数学等价性检查

属性#

属性

值

基准测试名称

aime26

数据集ID

evalscope/aime26

论文

N/A

标签

Math, Reasoning

指标

acc

默认示例数量

0-shot

评估分割

test

数据统计#

指标

值

总样本数

30

提示词长度（平均）

517.7 字符

提示词长度（最小/最大）

263 / 1026 字符

样例示例#

子集: default

{
  "input": [
    {
      "id": "a6d469bc",
      "content": "\nSolve the following math problem step by step. Put your answer inside \\boxed{}.\n\nPatrick started walking at a constant rate along a straight road from school to the park. One hour after Patrick left, Tanya started running along the same road ... [TRUNCATED 270 chars] ... ya ran, and all three arrived at the park at the same time. The distance from the school to the park is $\\frac{m}{n}$ miles, where $m$ and $n$ are relatively prime positive integers. Find $m + n$.\n\nRemember to put your answer inside \\boxed{}."
    }
  ],
  "target": "277",
  "id": 0,
  "group_id": 0
}

提示模板#

提示模板：

Solve the following math problem step by step. Put your answer inside \boxed{{}}.

{question}

Remember to put your answer inside \boxed{{}}.

使用方法#

使用命令行接口（CLI）#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets aime26 \
    --limit 10  # 正式评估时请删除此行

使用Python#

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['aime26'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)