MathVerse

概述

MathVerse 是一个全面的视觉数学基准测试，旨在对多模态大语言模型（MLLMs）进行公平且深入的评估。它包含 2,612 道高质量、多学科的带图数学题，并根据不同信息模态转换为 15K 个测试样本。

任务描述

任务类型：视觉数学推理
输入：带图的数学问题 + 问题（多选题或自由作答）
输出：答案（多选题为选项字母，自由作答为数值或表达式）
领域：带视觉图表的多学科数学

核心特性

2,612 道题目，每道题生成 6 个版本（共 15K 个样本）
测试 MLLM 是否真正理解用于数学推理的视觉图表
题目版本根据对视觉信息的依赖程度划分：
- Text Dominant（文本主导）：大部分信息在文本中
- Text Lite（文本轻量）：文本与视觉信息均衡
- Vision Intensive（视觉密集）：更依赖视觉信息
- Vision Dominant（视觉主导）：主要依赖视觉信息
- Vision Only（纯视觉）：所有信息均在图表中
支持多选题和自由作答两种形式

评估说明

默认评估使用 testmini 划分
主要指标：准确率（Accuracy），采用数值比较
自由作答答案使用 \boxed{} 格式
使用 LLM 作为裁判进行答案验证
按题目版本分别报告结果，便于深入分析

属性

属性	值
基准测试名称	`math_verse`
数据集ID	evalscope/MathVerse
论文	N/A
标签	`MCQ`, `Math`, `MultiModal`, `Reasoning`
指标	`acc`
默认提示数量	0-shot
评估划分	`testmini`

数据统计

指标	值
总样本数	3,940
提示词长度（平均）	274.2 字符
提示词长度（最小/最大）	70 / 1535 字符

各子集统计：

子集	样本数	提示平均长度	提示最小长度	提示最大长度
`Text Dominant`	788	369.63	122	1535
`Text Lite`	788	294.77	78	1397
`Vision Intensive`	788	280.39	78	1350
`Vision Dominant`	788	272.11	78	1356
`Vision Only`	788	154.1	70	222

图像统计：

指标	值
总图像数	3,940
每样本图像数	最小: 1, 最大: 1, 平均: 1
分辨率范围	63x70 - 6840x3549
格式	jpeg, png

样例示例

子集: Text Dominant

{
  "input": [
    {
      "id": "a3189330",
      "content": [
        {
          "text": "Answer the following multiple choice question. The last line of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of A, B, C, D. Think step by step before answering.\n\nAs shown in the figure, in triangle ABC, it is known that angle A = 80.0, angle B = 60.0, point D is on AB and point E is on AC, DE parallel BC, then the size of angle CED is ()\nChoices:\nA:40°\nB:60°\nC:120°\nD:140°"
        },
        {
          "image": "[BASE64_IMAGE: png, ~1.6KB]"
        }
      ]
    }
  ],
  "target": "D",
  "id": 0,
  "group_id": 0,
  "subset_key": "Text Dominant",
  "metadata": {
    "sample_index": "1",
    "problem_index": "1",
    "problem_version": "Text Dominant",
    "question_type": "multi-choice",
    "query_wo": "Please directly answer the question and provide the correct option letter, e.g., A, B, C, D.\nQuestion: As shown in the figure, in triangle ABC, it is known that angle A = 80.0, angle B = 60.0, point D is on AB and point E is on AC, DE parallel BC, then the size of angle CED is ()\nChoices:\nA:40°\nB:60°\nC:120°\nD:140°",
    "query_cot": "Please first conduct reasoning, and then answer the question and provide the correct option letter, e.g., A, B, C, D, at the end.\nQuestion: As shown in the figure, in triangle ABC, it is known that angle A = 80.0, angle B = 60.0, point D is on AB and point E is on AC, DE parallel BC, then the size of angle CED is ()\nChoices:\nA:40°\nB:60°\nC:120°\nD:140°",
    "question_for_eval": "As shown in the figure, in triangle ABC, it is known that angle A = 80.0, angle B = 60.0, point D is on AB and point E is on AC, DE parallel BC, then the size of angle CED is ()\nChoices:\nA:40°\nB:60°\nC:120°\nD:140°"
  }
}

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 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets math_verse \
    --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=['math_verse'],
    dataset_args={
        'math_verse': {
            # subset_list: ['Text Dominant', 'Text Lite', 'Vision Intensive']  # 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)

5.2 KiB Raw Permalink Blame History Unescape Escape

MathVerse

概述

任务描述

核心特性

评估说明

属性

数据统计

样例示例

提示模板

使用方法

使用 CLI

使用 Python

5.2 KiB

Raw Permalink Blame History