随着OpenAI的GPT-4在传统数学评测中屡创佳绩，北京大学和阿里巴巴的研究团队联手推出了一个全新的评测基准——Omni-MATH，旨在评估大型语言模型在奥林匹克数学竞赛级别的推理能力。这一举措不仅为AI数学能力的评估提供了新标准，也为探索AI在高级数学领域的潜力开辟了新途径。Omni-MATH的独特设计Omni-MATH评测库包含4428道竞赛级别的数学问题，涵盖33个以上的数学子领域，难度分为10个不同级别。其特点包括:高可靠性:所有题目均来自各种数学竞赛和论坛，答案经过人工验证。广泛覆盖:从