LiveBench · 推理与数学
LiveBench / 推理 · Reasoning + Mathematics 两项均分，各占 50%。
在 daydream 中参与排名
证据预算3.1%
上游数据时间待核实
最近成功同步尚未开始采集
它测什么，怎么测
先分别计算 Reasoning、Mathematics 的分类成绩，再各占 50% 求平均，最后保留一位小数。两项均分与官网单独选择某一类的成绩不同。
如何使用这份证据
通过单型号协议核验后，在所属能力领域的题族份额内参与参考排序；同题族的测量不增加题族总份额。实际生效份额见当前计算记录。
评测局限与数据署名
两项均分衡量组合表现，不能当成 Reasoning 单项成绩。官方页面切换分类或是否包含微调模型时，分数与排序会随之变化。组织参与方 Abacus.AI 同时开发 Smaug 模型，其独家成绩需要其他独立来源补充。
数据许可：Apache 2.0
分项成绩由 LiveBench 发布，本站按上述两类等权汇总并排序。各项分数尺度不同，不能直接相加；参考排序采用固定参照尺度。