124 lines
3.7 KiB
Markdown
124 lines
3.7 KiB
Markdown
# MATH-500
|
||
|
||
## 概述
|
||
|
||
MATH-500 是从 MATH 基准测试中精心挑选出的 500 道题目组成的子集，旨在评估语言模型的数学推理能力。该数据集涵盖五个难度等级，涉及代数、几何、数论、微积分等多个数学主题。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：数学问题求解
|
||
- **输入**：数学问题描述
|
||
- **输出**：包含逐步推导过程和最终数值答案的解答
|
||
- **难度等级**：Level 1（最简单）到 Level 5（最难）
|
||
|
||
## 主要特点
|
||
|
||
- 从完整的 MATH 数据集中精选出 500 道题目
|
||
- 提供五个难度等级，支持细粒度评估
|
||
- 题目覆盖代数、几何、数论、概率等多个领域
|
||
- 每道题均附带参考解答
|
||
- 在保证评估全面性的同时兼顾效率
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置采用 **0-shot** 评估方式
|
||
- 答案需使用 `\boxed{}` 格式包裹，以便正确提取
|
||
- 使用数值等价性检查进行答案比对
|
||
- 可按难度等级分别统计结果
|
||
- 因规模适中，常用于数学推理能力的基准测试
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `math_500` |
|
||
| **数据集ID** | [AI-ModelScope/MATH-500](https://modelscope.cn/datasets/AI-ModelScope/MATH-500/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `Math`, `Reasoning` |
|
||
| **指标** | `acc` |
|
||
| **默认示例数量** | 0-shot |
|
||
| **评估划分** | `test` |
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 500 |
|
||
| 提示词长度（平均） | 266.89 字符 |
|
||
| 提示词长度（最小/最大） | 91 / 1804 字符 |
|
||
|
||
**各子集统计信息：**
|
||
|
||
| 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 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `Level 1` | 43 | 193.19 | 100 | 571 |
|
||
| `Level 2` | 90 | 218.82 | 91 | 802 |
|
||
| `Level 3` | 105 | 236 | 93 | 688 |
|
||
| `Level 4` | 128 | 277.1 | 93 | 1771 |
|
||
| `Level 5` | 134 | 337.28 | 118 | 1804 |
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `Level 1`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "b5d90091",
|
||
"content": "Suppose $\\sin D = 0.7$ in the diagram below. What is $DE$? [asy]\npair D,E,F;\nF = (0,0);\nD = (sqrt(51),7);\nE = (0,7);\ndraw(D--E--F--D);\ndraw(rightanglemark(D,E,F,15));\nlabel(\"$D$\",D,NE);\nlabel(\"$E$\",E,NW);\nlabel(\"$F$\",F,SW);\nlabel(\"$7$\",(E+F)/2,W);\n[/asy]\nPlease reason step by step, and put your final answer within \\boxed{}."
|
||
}
|
||
],
|
||
"target": "\\sqrt{51}",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"subset_key": "Level 1",
|
||
"metadata": {
|
||
"question_id": "test/precalculus/1303.json",
|
||
"solution": "The triangle is a right triangle, so $\\sin D = \\frac{EF}{DF}$. Then we have that $\\sin D = 0.7 = \\frac{7}{DF}$, so $DF = 10$.\n\nUsing the Pythagorean Theorem, we find that the length of $DE$ is $\\sqrt{DF^2 - EF^2},$ or $\\sqrt{100 - 49} = \\boxed{\\sqrt{51}}$."
|
||
}
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
{question}
|
||
Please reason step by step, and put your final answer within \boxed{{}}.
|
||
```
|
||
|
||
## 使用方法
|
||
|
||
### 使用命令行（CLI）
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets math_500 \
|
||
--limit 10 # 正式评估时请删除此行
|
||
```
|
||
|
||
### 使用 Python
|
||
|
||
```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=['math_500'],
|
||
dataset_args={
|
||
'math_500': {
|
||
# subset_list: ['Level 1', 'Level 2', 'Level 3'] # 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)
|
||
``` |