奥数级不等式证明

29个顶级大模型在不等式证明任务上的能力被首次系统评估，研究揭示了模型在推理过程中的普遍错误和逻辑漏洞。IneqMath数据集和LLM-as-Judge评估体系帮助发现并补足传统评估的盲点。