Gemini模型在IMC竞赛中的表现 - 在大学生国际数学竞赛（IMC）测试中，Gemini的三种模式（Gemini Deep Think IMO、Gemini-2.5-Pro Agent、Gemini-2.5-Pro Best-of-32）均获得极高分数，远超前8%的金牌门槛 [1][4] - Gemini Deep Think和Gemini Agent成功解决了所有问题，仅出现少量小错误（如中间步骤论证不完整或已知定理引用不正确） [4] - Gemini Best-of-32表现优于IMO 2025，仅在一道题目（P5）上犯重大错误，可能因IMC知识密集度更高 [5] 模型性能量化数据 - Gemini-2.5-Pro Agent准确率94.50%，成本$94.64，在多数题目中得分100%，仅一道题得90% [2][6] - Gemini Deep Think IMO准确率93.00%，成本数据未提供，所有题目得分均为100% [2][6] - Gemini-2.5-Pro Best-of-32准确率88.00%，成本$114.52，多数题目得分100%，但两道题仅得70% [2][6] 模型能力定性评估 - 综合证明质量和清晰度排名：Gemini Deep Think > Gemini Agent > Gemini Best-of-32 [7] - Gemini Deep Think证明语言简练、结构清晰、步骤合理，展现原创思维（如第7题简洁证明、第9题比官方解更简洁的思路） [21][22] - Gemini Agent证明逻辑性较好但过于冗长，可能因自验证反馈机制导致过度解释 [21] - Gemini Best-of-32证明技术正确但表达混乱，缺乏逻辑组织 [21] 竞赛背景与测试方法 - IMC由英国伦敦大学学院主办，覆盖代数、分析、几何与组合数学领域，为期两天，每天5道题（每题10分） [8][10] - 测试采用匿名评分，两名评委独立制定标准，满分10分，避免数据污染 [16] - 测试规模较小，每个模型在每个问题上仅评估一次，且仅一名裁判 [7] AI在数学竞赛中的整体进展 - AI模型（如Gemini）已具备媲美人类优等大学生的数学能力，能识别高级数学概念（如Landau函数）并调用已知性质构建证明 [4][25] - 在信息学竞赛中，AI同样表现突出（如IOI 2025中ryanbAI获第七名） [40] - 网友测试显示其他模型（如o3）可在10分钟内完成全部IMC题目，但答案可能存在瑕疵 [28][34] - AI展现计算优势（更少错误、更强数据处理能力），甚至提供新证明思路（如Deep Think使用Shemesh定理解决线性代数问题） [37][43]