测试集:HMMT

名称	HMMT
类别	reasoning
主办方	哈佛/MIT 学生组织；基准化由 MathArena（ETH SRI）赛后数天内完成
开源状态	open
网址	官方页面

hmmt 90 哈佛-MIT 赛事真题、赛后数天即测、题目防污染、精确匹配判分、难度高于 AIME

测试集 content/benchmarks/hmmt.md

一句话

哈佛-MIT 数学赛真题，赛后立刻开测防背题

测什么

HMMT 是哈佛和 MIT 学生组织合办的高水平数学竞赛，每年 2 月、11 月各一场，个人赛按代数、组合、几何、数论分轮次，题目一律要求给出最终答案（数值或表达式）。作为 AI 基准，它由 MathArena（苏黎世联邦理工 SRI 实验室）在赛后数天内把新题整理上线评测，最常用的是 HMMT February 2025 的 30 题。它的核心价值是「新鲜」：题目在模型训练数据截止之后才公开，从机制上排除背题的可能，难度又普遍高于 AIME。

怎么测

按 MathArena 协议评测：模型逐题独立作答，输出完整推理和最终答案，与官方答案精确匹配判分；每题采样多次（通常 4 次起）报平均正确率。评测紧跟比赛日程——HMMT 2025 年 2 月 15 日举办，数天内模型分数就已上线，抢在任何厂商把新题喂进训练数据之前完成。

典型任务

以 HMMT 2025 年 2 月几何轮第 1 题为例：矩形 ABCD 中 BC=24，内部一点 X 满足 ∠AXB=90°，已知 △AXD 和 △BXC 都是锐角三角形且外接圆半径分别为 13 和 15，求 AB 的长度——官方答案 14+4√37，需要作对称点加圆幂定理才能解出。组合轮第 1 题则要求计算把 1 到 7 这七个数排成一圈、满足特定相邻条件的排法数。题面都很短，但多数题需要竞赛技巧而非直接套公式。

分数怎么看

在 MathArena 榜单上，HMMT February 2025 长期比同年 AIME 更难，同一模型在 HMMT 上的得分通常明显低于 AIME 2025。分数随模型迭代变化很快，以 matharena.ai 实时榜单为准；2025 年下半年头部模型（如 GPT-5）在最终答案型赛事整体上已到约 90%。

含金量与局限

题量小（每场 30 题），方差大；赛事本身是学生组织办的，基准化是第三方（MathArena）行为，不同平台或厂商自报可能用不同子集、不同采样次数，横向对比要看清协议；只判最终答案，证明类能力测不到。

冷知识

HMMT 的价值全在一个「快」字：题目周六公布，模型下周就被拉进考场，抢在任何厂商来得及把新题喂进训练数据之前。它本质上是一场命题人与训练流水线之间的赛跑。

数据来源

本页由仓库 content/benchmarks/hmmt.md 初始化。后续修订通过公开审核队列发布。