evalstone/evalscope/docs/zh/benchmarks/amc.md

AMC

概述

AMC（美国数学竞赛）是一个基于2022-2024年AMC 10/12竞赛题目的基准测试。这些选择题考察高中阶段的数学解题能力，并作为晋级AIME竞赛的资格赛。

任务描述

• 任务类型：竞赛数学（选择题）
• 输入：AMC级别的数学问题
• 输出：带逐步推理过程的正确答案
• 涵盖年份：2022、2023、2024

主要特点

• 题目来自2022-2024年的AMC 10和AMC 12竞赛
• 五选一的多项选择题格式
• 考察主题：代数、几何、数论、组合数学
• 难度从基础到高阶不等
• 使用官方竞赛题目，配有已验证的解答

评估说明

• 默认配置采用 0-shot 评估
• 答案需用 \boxed{} 格式包裹以便正确提取
• 提供三个子集：amc22、amc23、amc24
• 题目包含原始URL供参考
• 元数据中提供解答用于验证

属性

属性	值
基准测试名称	amc
数据集ID	evalscope/amc_22-24
论文	N/A
标签	Math, Reasoning
指标	acc
默认示例数量	0-shot
评估划分	N/A

数据统计

指标	值
总样本数	134
提示词长度（平均）	324.58 字符
提示词长度（最小/最大）	98 / 1218 字符

各子集统计数据：

子集	样本数	提示平均长度	提示最小长度	提示最大长度
amc22	43	337.42	129	934
amc23	46	337.98	143	1218
amc24	45	298.62	98	882

样例示例

子集: amc22

{
  "input": [
    {
      "id": "54851a8f",
      "content": "What is the value of\\[3+\\frac{1}{3+\\frac{1}{3+\\frac13}}?\\]\nPlease reason step by step, and put your final answer within \\boxed{}."
    }
  ],
  "target": "\\frac{109}{33}",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "year": 2022,
    "url": "https://artofproblemsolving.com/wiki/index.php/2022_AMC_12A_Problems/Problem_1",
    "solution": "We have\\begin{align*} 3+\\frac{1}{3+\\frac{1}{3+\\frac13}} &= 3+\\frac{1}{3+\\frac{1}{\\left(\\frac{10}{3}\\right)}} \\\\ &= 3+\\frac{1}{3+\\frac{3}{10}} \\\\ &= 3+\\frac{1}{\\left(\\frac{33}{10}\\right)} \\\\ &= 3+\\frac{10}{33} \\\\ &= \\boxed{\\textbf{(D)}\\ \\frac{109}{33}}. \\end{align*}"
  }
}

提示模板

提示模板：

{question}
Please reason step by step, and put your final answer within \boxed{{}}.

使用方法

使用命令行（CLI）

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets amc \
    --limit 10  # 正式评估时请删除此行

使用Python

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['amc'],
    dataset_args={
        'amc': {
            # subset_list: ['amc22', 'amc23', 'amc24']  # 可选，用于评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)