La mayor colección mundial de problemas matemáticos olímpicos ya es pública

Un equipo del MIT ha puesto en marcha MathNet, una base de datos verificada con decenas de miles de problemas matemáticos de máxima dificultad, disponible para cualquiera que quiera consultarla o usarla. Se trata de la mayor colección mundial de problemas matemáticos de nivel olímpico.

El Instituo Tecnológico de Massachusetts (MIT), en Estados Unidos, presentó MathNet, una base de datos pública que reúne más de 30.000 problemas y soluciones de ejercicios de matemáticas de nivel olímpico, con material procedente de 47 países, 17 idiomas y 143 competencias.

Una colección completa y revisada por pares

La iniciativa marca un avance histórico: hasta ahora, los cuadernos con los mejores problemas de cada país circulaban de forma dispersa, sin una colección unificada, ordenada y abierta a la comunidad. A partir de este esfuerzo, MathNet ya está disponible en la web para cualquiera que quiera explorarla. Además, un estudio presentado en la Conferencia Internacional sobre Representaciones del Aprendizaje (ICLR), en su edición de 2026 en Brasil, incrementa la rigurosidad de la colección.

Vale destacar que el proyecto requirió un arduo trabajo de recopilación. Según una nota de prensa, el equipo localizó 1.595 volúmenes en PDF y más de 25.000 páginas, en archivos digitales y antiguos escaneos en múltiples lenguas, y luego verificó el contenido con más de 30 evaluadores humanos de distintos países.

A diferencia de otros repositorios que dependen de foros comunitarios, MathNet toma únicamente cuadernillos oficiales de competencias nacionales e internacionales, con soluciones escritas por expertos y revisadas por pares. Ese enfoque convierte a la colección en una herramienta útil tanto para estudiantes como para investigadores y científicos.

Un desafío para la IA

El equipo a cargo de su desarrollo cree que MathNet no solo sirve para resolver ejercicios, sino también para evaluar si un modelo de Inteligencia Artificial (IA) puede encontrar problemas matemáticamente equivalentes o estructuralmente similares y, además, comprobar si el aporte de un problema relacionado mejora el rendimiento al resolver otro nuevo. En consecuencia, no mide solo cálculo o memorización, sino razonamiento, recuperación de información y transferencia.

Los primeros resultados ya indican que la inteligencia artificial todavía tropieza con la matemática olímpica. Según el MIT, incluso modelos como GPT-5 y Gemini-3.1-Pro siguen lejos de dominar estas áreas: en el caso de GPT-5, el promedio ronda el 69,3 % de éxito en la prueba principal de 6.400 problemas, y el rendimiento cae cuando aparecen figuras o idiomas menos frecuentes.

En el mismo sentido, la recuperación de problemas equivalentes es especialmente difícil: los modelos de IA apenas aciertan en el primer intento en menos del 5 % de los casos. De esta manera, MathNet no solo logra democratizar el acceso a material de estudio e investigación que resultaba difícil de obtener en determinados contextos geográficos, sino que además es un entrenamiento de máxima dificultad que pone a prueba el progreso real de los modelos de IA más avanzados.