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

CMATH

概述

CMATH 是一个面向中国小学数学的基准测试，包含 1,698 道覆盖 1 至 6 年级的数学题目，用于评估语言模型在中文数学应用题上的数学推理能力，题目难度随年级递增。

任务描述

• 任务类型：中文数学应用题求解
• 输入：中文数学应用题（小学水平）
• 输出：分步推理过程及数值答案
• 难度：1 年级（最简单）至 6 年级（最难）

主要特点

• 包含 1,098 道测试题 + 600 道验证题
• 六个年级（1–6）便于细粒度难度分析
• 题目为中文，测试语言特定的推理能力
• 答案形式为简单数值（整数或小数）
• 元数据包含推理步骤数和数字复杂度信息

评估说明

• 默认配置采用 0-shot 评估方式
• 答案需用 \boxed{} 格式包裹以便正确提取
• 使用数值精度指标进行答案比对
• 结果可按年级细分统计
• 默认使用中文提示模板

属性

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

数据统计

指标	值
总样本数	1,098
提示词长度（平均）	70.14 字符
提示词长度（最小/最大）	38 / 191 字符

各子集统计：

子集	样本数	提示词平均长度	提示词最小长度	提示词最大长度
Grade 1	164	60.65	45	99
Grade 2	253	63.3	38	168
Grade 3	237	69.49	49	148
Grade 4	120	75.33	51	114
Grade 5	126	76.79	49	124
Grade 6	198	80.16	42	191

样例示例

子集: Grade 1

{
  "input": [
    {
      "id": "6e98e414",
      "content": "妈咪买了3盒茶叶，一盒茶叶有6小包，一共买了多少小包茶叶？\n请一步一步推理，最后将答案放在\\boxed{}中。\n"
    }
  ],
  "target": "18",
  "id": 0,
  "group_id": 0,
  "subset_key": "Grade 1",
  "metadata": {
    "reasoning_step": 1,
    "num_digits": 2
  }
}

提示模板

提示模板：

{question}
请一步一步推理，最后将答案放在\boxed{{}}中。

使用方法

使用 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets cmath \
    --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=['cmath'],
    dataset_args={
        'cmath': {
            # subset_list: ['Grade 1', 'Grade 2', 'Grade 3']  # 可选，用于评估指定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)