GAUSS：用于评估大语言模型结构化数学技能的基准

我们提出\textbf{GAUSS}（\textbf{G}eneral \textbf{A}ssessment of \textbf{U}nderlying \textbf{S}tructured \textbf{S}kills in Mathematics），用于评估大语言模型（LLM）在十二个核心技能维度上的数学能力，这些维度分为三个领域：知识与理解、问题解决与沟通，以及元技能与创造力。通过对问题进行认知技能分类并设计隔离特定能力的任务，GAUSS 构建了全面、细致且可解释的数学能力轮廓。这些轮廓忠实地代表了模型的底层数学智能。为展示如何使用 \textsc{GAUSS} 基准，我们对 \textsc{GPT-5-thinking} 进行了技能轮廓分析，揭示了其相对于 \textsc{o4-mini-high} 的优势与不足，进而凸显了多维度、基于技能的评估价值。