Riemann-Bench：月球射击数学基准

近期 AI 系统在国际数学奥林匹克中表现卓越，但竞赛数学仅涵盖狭窄领域。本文推出 Riemann-Bench，一个包含 25 个专家策划问题的私有基准，旨在评估超越奥赛前沿的研究级数学推理能力。问题由顶尖学者编写并经过双重盲审验证，确保解的唯一性与严谨性。我们在允许使用代码工具和搜索的无约束设置下评估前沿模型，结果显示所有模型得分均低于 10%，暴露了竞赛解题与真正科研级推理间的巨大鸿沟。