TB-MathModel：首个面向数学建模的 Agent 化可验证基准

论文提出 TB-MathModel，一个终端式数学建模基准，将完整竞赛建模问题转化为 Agent 可执行且可验证的任务。基准覆盖 2023–2025 年 18 道真实 CUMCM 与 MCM 题目，每题在容器化终端中提供原始题面、官方附件与图表，Agent 返回单一 JSON 产物，按最终问题数值核心对照特等奖论文复现结果评分。设计上采用方向感知的单侧评分（超越基准不扣分）和两层可行性验证。

AI推荐理由 将数学建模竞赛题做成 Agent 可执行、可验证的终端式基准，覆盖 2023–2025 年 18 道 CUMCM/MCM 真题，要求 Agent 输出单一 JSON 产物并按特等奖论文复现的数值核心评分，另设方向感知单侧评分与两层可行性验证。相比 LLM 评审报告的做法更可核验；局限是摘要未披露模型得分分布与可行性验证的具体通过率。