# AIME数据生成与评估综合报告

## 1. 基本信息

- **生成时间**: 2025-10-11 12:43:22
- **生成题目数量**: 30
- **参考AIME年份**: 2025
- **生成数据路径**: data_generation/generated_data/aime_generated_20251011_042741.json

## 2. 数据生成统计

### 主题分布

| 主题 | 数量 | 占比 |
|------|------|------|
| Number Theory | 9 | 30.0% |
| Geometry | 9 | 30.0% |
| Algebra | 8 | 26.7% |
| Probability | 2 | 6.7% |
| Combinatorics | 2 | 6.7% |

## 3. LLM Judge评估结果

**总体评分**:
- 平均总分: 3.32/5.0
- 通过率: 40.00%
- 优秀率: 10.00%

**各维度评分**:

| 维度 | 平均分 |
|------|--------|
| 正确性 | 3.27/5.0 |
| 清晰度 | 3.40/5.0 |
| 难度匹配 | 3.27/5.0 |
| 完整性 | 3.33/5.0 |


## 4. Win Rate评估结果

**胜率统计**:
- Win Rate: 25.00%
- Loss Rate: 65.00%
- Tie Rate: 10.00%

**对比次数**:
- 总对比次数: 20 次
- 胜出次数: 5 次
- 失败次数: 13 次
- 平局次数: 2 次


## 5. 综合结论

⚠️ **结论**: 生成数据质量**需要改进**，与AIME真题仍有差距。

**整体指标**:
- LLM Judge得分: 3.32/5.0
- Win Rate: 25.00%

## 6. 改进建议

- ⚠️ 需要重新设计生成提示词
- ⚠️ 考虑使用更强的生成模型
- ⚠️ 增加人工审核环节

## 7. 下一步行动

1. **人工验证**: 运行人工验证界面，对生成的题目进行人工审核
   ```bash
   python data_generation/human_verification_ui.py data_generation/generated_data/aime_generated_20251011_042741.json
   ```

2. **质量筛选**: 根据评估结果筛选高质量题目

3. **迭代优化**: 根据评估反馈优化生成策略

---

*报告生成时间: 2025-10-11 12:43:22*