AdvancedMathBench：高级数学证明生成与验证基准套件

AdvancedMathBench面向本科高阶课程与博士资格考试数学，包含296道证明生成题和888条模型生成证明轨迹。其自动验证管线基于大规模专家标注，评估证明正确性及细粒度错误；GPT-5.5-xhigh在UGD和QE上的得分仅为75.8与66.1，验证任务最佳Balanced F1为65.1。