AI Mathematical Olympiad Progress Prize 3

比赛任务是什么？

项目围绕数学题目的自动求解和答案评估，复现题目解析、推理策略、符号处理与格式校验流程。重点是区分推理正确、计算正确和最终答案格式正确。

用一个例子理解项目

评价指标与验证

公开 unnormalized accuracy；私有 penalized accuracy

公开阶段统计答对题数；最终私有阶段加入双次运行稳定性计分。按官方 API 和评估版本复现，不能混用单次正确率。

固定数据划分、评估器版本和资源条件，记录基线与对照结果，并解释错误样本。

技术路线

1. 解析

   结构化题目

   提取条件、目标、公式和输出要求。

2. 推理

   生成候选路径

   比较不同解法并保留中间检查点。

3. 校验

   复核答案

   检查计算、约束满足和最终格式。

4. 归因

   分类失败

   区分理解、推导、计算与格式错误。

适合专业与项目难度

竞赛数学条件解析和答案校验直接关联数学；LLM 推理、模型部署和 Python 工具调用关联 AI/计算机，采样对照与可靠性评估关联统计、数据科学及电子信息工程。

为什么评为高级？

按供稿推理系统要求评为高级：需要联合处理竞赛数学理解、模型加载、工具计算、多路径候选和逐题时间/显存预算，小规模样题还容易导致过拟合。

等级说明：跨多阶段或研究型系统，涉及复杂数据、模型/算力约束或强领域先修知识。

建议具备的基础

• Python 与数学题目/公式理解
• 开源大模型推理和 GPU 资源管理
• 答案验证、日志和超时控制

可以从哪里开始

先跑通一道公开参考题的模型调用、整数提取和错误记录，再做单次推理、多次采样与工具验证对照。

专业与难度由本站根据项目文档分析，面向基线复现与对照实验；具体门槛取决于承担的任务和项目深度。 这不是 Kaggle 官方评级。

可以形成的成果

• 公开数学推理任务复现
• 题目文本与公式解析
• 答案评估与失败案例记录
• 推理实验与个人贡献说明

成果预览与验收方式

下面展示建议的成果结构，实际内容由本人运行、实验和整理后形成。

本项目重点验收：符合提交格式的最终答案；按题型、推理步骤和失败原因整理的记录。

复现实验需要回答的问题

• 最终答案正确是否代表推理过程可靠
• 怎样用候选校验降低计算和格式错误
• 如何分配多题推理时间与运行预算

留学、科研与求职如何使用？

公开 Notebook、方案与讨论

以下入口来自项目文档中的公开资料，适合阅读和设计复现实验。

公开材料的运行环境、许可和作者结论请结合原页面复核。

• AIMO 3 Submission Demo ↗

  公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。

• AIMO3 Utility Notebook 1/2 ↗

  公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。

• AIMO 3 \| GPT-OSS-120B (with tools) ↗

  公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。

• Streaming inference 讨论 ↗

  公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。

• Welcome to AIMO3: IMO-level problems, H100s, ecosystem, extra prizes ↗

  公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。

• Public vs Private problem set difficulty comparison ↗

  公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。

规划适合你的项目深度

结合目标、专业、已有基础和时间，确定基线、对照实验与成果表达的范围。