本导读介绍 2024 与 2025 年 AIME I／II 试题。部分关联记录还含 2026 年或未注明年份的成绩；下文的 30 题说明不代表这些成绩的题量或协议，应逐条核对年份与评测条件后再比较。
模型需要交付什么
AIME 是数学竞赛，答案为 0 至 999 的整数。在 AI 评测中，模型需要解题并给出该整数；推理文字再流畅，也不能替代正确的最终答案。
MAA · AIME competition and integer answer format · Artificial Analysis · AIME 2025 evaluation
2024 与 2025 要分开看
常用的 2024 题集包含当年 AIME I 和 II 共 30 题；2025 题集也有 30 题，但题目不同。题量一致不意味着成绩可互换。本导读不覆盖 AIME 2026。
Hugging Face H4 · AIME 2024 dataset · MathArena · AIME 2025 dataset
答案提取也是评测的一部分
评分前需要从输出中提取最终答案。Artificial Analysis 公布了提示词和数学答案检查流程。应同时记录这些细节、工具权限和推理限制，因为它们共同定义实际评测条件。
Artificial Analysis · Mathematical answer extraction and evaluation
区分重复尝试与投票
阅读百分比时应确认：是对多次尝试取平均、任意一次成功即可，还是对投票选出的答案评分。这些分别衡量不同的可靠性与计算投入；MathArena 提供运行配置和已保存输出供核对。
小幅分差怎样理解
单次完整作答 30 题时，多答对一题就会提高约 3.33 个百分点。这只是算术关系，并不是误差区间。应结合逐题结果和重复实验判断，小幅领先不足以说明全面数学优势。
Hugging Face H4 · AIME 2024 dataset · MathArena · AIME 2025 dataset