Endless Exam 基准：14 类数学构造题检验模型能否超越人类前沿

浙大 Muhan Zhang 团队在 Hugging Face 发布 Endless Exam 基准，用 14 个参数化数学构造题族检验模型能否超越已发表数学前沿。9 个模型在 69 个实例上测试，30 个公开前沿参考无一被超越，但连续质量分能区分模型间表现。生成器、验证器、参考答案与模型响应全部开源。