Hugging Face 用 Math-Verify 重评 Open LLM Leaderboard 全部 3751 个模型

Hugging Face 用 Math-Verify 重新评测了 Open LLM Leaderboard 上全部 3751 个模型，修复旧评测器的格式、SymPy 解析和比较缺陷。模型平均多解对 61 题、整体提升 4.66 分，Qwen 分数翻倍以上、DeepSeek 接近三倍，MATH-Hard 榜首被 Nvidia AceMath 占据。