MATH GAUGE · v1.0.0
Gemini 4 Argon (high)
模型详细评测 · 公开＋私有合并成绩
AI 审核 · 部分人工抽审审核方式 →
计分口径
当前成绩
内容可靠率与目标达成率
已审内容可靠率 85.44%；已确认目标达成率 61.78%。
| 子类 | 已审内容可靠率 | 已确认目标达成率 |
|---|---|---|
| 书面论证 | 81.67% | 91.67% |
| 论证审阅 | 80.00% | 55.00% |
| 语义审计 | 88.75% | 75.00% |
| 形式化 | 100.00% | 33.33% |
| 对齐自查 | — | 0.00% |
| 背景核查 | 97.50% | 100.00% |
| 数学想法手稿化 | 68.35% | 75.29% |
| 命题拓展 | 100.00% | 33.33% |
分类贡献
贡献分 / 该项满分；相关变体在家族内聚合。
Lean · 自查计分
比较三种计分口径
整章对齐 · 固定三轮
92项义务，按最后规定轮次计分。
公开题 · 逐题成绩与证据
公开25题；私有14题计入合并成绩。
形式化初答 · 逐题核实数
按初答封卷工程核对编译及语义对应。
可靠性审核
公开题的错误承诺与扣罚理由
同根因扣罚去重；具体依据见逐题说明。
Harness与工具
AGY CLI⁴
允许本地文件、命令与固定Lean依赖；实际调用见逐题原始记录。
⁴ Argon部分任务未能正常结束并交卷。两题虽保留可核实的数学内容，但仅计入MC，RMC与SMC均为0。
运行版本与来源
订阅批次AGY CLI1.5.2；GCP批次AGY CLI1.5.4。39道初答均已结算：37份正常交卷，2项未正常交卷；C003三轮因初答未正常交付而未调用。原生证据按批次分别保留。
重跑与来源备注
本批次已收37/39道初答及0/3轮对齐自查；采用规则选定的首次有效交付。全部物理请求和纯系统故障另行留档。
首答 MC / RMC / SMC：70.41 / 54.95 / 33.33 · 查看方法与来源 →