AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
HiddenMath
Google DeepMind's internal mathematical reasoning benchmark that introduces novel problems not encountered during model training to evaluate true mathematical reasoning capabilities rather than memorization
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 13
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Gemini 2.0 Flash | 0.63 | 未收录 | 未收录 | 2024-12-01 · model_announcement | LLM Stats |
| Gemma 3 27B | 0.603 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Gemini 2.0 Flash-Lite | 0.553 | 未收录 | 未收录 | 2025-02-05 · model_announcement | LLM Stats |
| Gemma 3 12B | 0.545 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Gemini 1.5 Pro | 0.52 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| Gemini 1.5 Flash | 0.472 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| Gemma 3 4B | 0.43 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed | 0.377 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed LiteRT Preview | 0.377 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Gemini 1.5 Flash 8B | 0.328 | 未收录 | 未收录 | 2024-03-15 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed | 0.277 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed LiteRT (Preview) | 0.277 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Gemma 3 1B | 0.158 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |