Hugging Face 引入 Math-Verify 修复 Open LLM Leaderboard 数学评测

Hugging Face 引入 Math-Verify 解析器重测 Open LLM Leaderboard 全部 3,751 个模型，修正了旧版在格式提取、符号转换和数值比较上的缺陷。重测后模型平均得分提升 4.66 分，Qwen 和 DeepSeek 等模型分数大幅上涨，Nvidia AceMath 登顶 MATH-Hard 榜单。