英文：Math Reasoning Evaluation 分类：eval
评估模型数学推理能力的评测：从基础运算到竞赛级难题，考查符号推理、多步推导与严谨性。
基准：GSM8K（小学应用题）、MATH（竞赛级）、AIME（高级）、MathVista（视觉数学）；评估：最终答案正确率、步骤正确性（过程分）、格式（答案提取）；趋势：推理模型（o1 系）在 MATH/AIME 大幅提升。
用于推理模型能力测评（数学是推理试金石）、教育 AI（解题辅导）、模型推理能力研究（CoT 评估）与训练数据（数学增强）；数学推理评测是"推理能力"的硬核标尺。