模型与 Agent 评测
核心基准 · OR / 优化 · 数学 · 科学
Benchmark matrix
公开披露分数，点击查看评测口径。
更多筛选与显示
MATRIX NAVIGATION
没有匹配的模型
试试清空搜索词，或放宽筛选条件。
0 runs
结果按固定 protocol 展示，不跨 harness 合并
此领域暂无匹配的系统记录
已收录的分数可能仅来自模型评测，或未明确披露 harness。
浅色 → 深色：同指标由低到高（越低越好的指标反向）；不代表跨榜可比或已核验。
— 未收录，不代表未测试点击数值看详情 · ↗ 直达来源 · 带 * 的数值为相关口径
这里按来源索引代表性公开报告；每条均明确标记“本站未复现”，并保留来源、定位、协议与快照。默认矩阵只纳入 canonical 目录与有明确出处的公开 benchmark；Epoch 下载快照中的短期 probe、内部别名和 composite index 不会占用主矩阵列，但仍以“仅证据 · 默认隐藏”保留在本审计层。身份徽标只表示归一化路径，不表示复现等级；无法安全映射的来源原名保留在 aliases 队列。
数据口径
公开榜单值标为「披露 · 未复现」。本站核验只代表出处和口径检查，不等于独立复跑。不同 benchmark、版本、harness 和预算不合并排名。* 表示主口径缺失时展示的相关切片；具体版本、指标、设置与来源见详情。
完整覆盖审计 ↗