Share your thoughts, 1 month free Claude Pro on usSee more
WorkDL logo mark

Mathematics on AIME 2024 (Pass@1)

0.798Pass@1

DeepSeek-R1

0.0027120.2091810.415650.622119Jan 22, 2025Mar 30, 2025Jun 5, 2025Aug 12, 2025Oct 18, 2025Dec 24, 2025Mar 2, 2026
Updated 1mo ago

Evaluation Results

MethodLinks
2025.01
0.798
2025.01
0.792
2026.03
0.758
2026.03
0.697
2026.03
0.682
2025.01
0.636
2026.03
0.636
2025.11
0.5666
2026.03
0.555
2025.11
0.5
2026.03
0.5
2025.01
0.392
2025.11
0.3333
2025.11
0.3333
2025.11
0.2416
2025.11
0.2333
2025.11
0.2083
2025.11
0.2
2025.11
0.2
2025.11
0.1854
2025.11
0.1708
2025.01
0.16
2026.03
0.16
2025.11
0.1583
2025.11
0.1333
2025.11
0.1333
2025.11
0.1333
2025.11
0.1271
2025.11
0.1208
2025.11
0.1041
2025.11
0.1
2025.11
0.1
2025.11
0.1
2025.11
0.0937
2025.01
0.093
2026.03
0.093
2025.11
0.0916
2025.11
0.077
2025.11
0.0667
2025.11
0.0667
2025.11
0.0666
2025.11
0.0645
2025.11
0.0645
2025.11
0.0413
2025.11
0.0395
2025.11
0.0375
2025.11
0.0333
2025.11
0.0333
2025.11
0.0333