本研究创建了一个奥林匹克级数学基准，用于挑战大型语言模型。基准包含4428个经过严格注释的竞赛题，涵盖33个领域和10个难度等级。研究表明，即使是最先进的模型在高难度数学问题上仍有困难。

本研究提出了基于课程学习的策略来识别近端股骨骨折，并通过医学决策树和专家注释不一致性为每个训练样本分配难度等级。该模型在更少数据情况下表现更好，准确性达到15%的优势。