110 lines
3.2 KiB
Markdown
110 lines
3.2 KiB
Markdown
# Minerva-Math
|
|
|
|
|
|
## 概述
|
|
|
|
Minerva-Math 是一个用于评估语言模型高级数学与定量推理能力的基准测试。该基准包含 272 道具有挑战性的问题，主要来源于 MIT OpenCourseWare 课程，涵盖大学及研究生级别的 STEM 学科。
|
|
|
|
## 任务描述
|
|
|
|
- **任务类型**：高级 STEM 问题求解
|
|
- **输入**：大学/研究生级别的数学或科学问题
|
|
- **输出**：包含逐步推导过程和最终答案的解答
|
|
- **难度**：大学至研究生级别
|
|
|
|
## 主要特点
|
|
|
|
- 包含 272 道来自 MIT OpenCourseWare 的难题
|
|
- 涵盖高级学科：固体化学、天文学、微分方程、狭义相对论等
|
|
- 难度为大学及研究生级别
|
|
- 测试深层次的数学与科学推理能力
|
|
- 问题需要多步定量推理
|
|
|
|
## 评估说明
|
|
|
|
- 默认配置使用 **0-shot** 评估
|
|
- 答案应使用 `\boxed{}` 格式包裹，以便正确提取
|
|
- 使用 LLM-as-judge 对复杂答案进行评估
|
|
- 问题可能需要特定领域的知识（如物理、化学等）
|
|
- 旨在测试模型推理能力的上限
|
|
|
|
## 属性
|
|
|
|
| 属性 | 值 |
|
|
|----------|-------|
|
|
| **基准测试名称** | `minerva_math` |
|
|
| **数据集ID** | [knoveleng/Minerva-Math](https://modelscope.cn/datasets/knoveleng/Minerva-Math/summary) |
|
|
| **论文** | N/A |
|
|
| **标签** | `Math`, `Reasoning` |
|
|
| **指标** | `acc` |
|
|
| **默认示例数** | 0-shot |
|
|
| **评估划分** | `train` |
|
|
|
|
|
|
## 数据统计
|
|
|
|
| 指标 | 值 |
|
|
|--------|-------|
|
|
| 总样本数 | 272 |
|
|
| 提示词长度（平均） | 492.27 字符 |
|
|
| 提示词长度（最小/最大） | 129 / 1069 字符 |
|
|
|
|
## 样例示例
|
|
|
|
**子集**: `default`
|
|
|
|
```json
|
|
{
|
|
"input": [
|
|
{
|
|
"id": "715a0fa1",
|
|
"content": "Each of the two Magellan telescopes has a diameter of $6.5 \\mathrm{~m}$. In one configuration the effective focal length is $72 \\mathrm{~m}$. Find the diameter of the image of a planet (in $\\mathrm{cm}$ ) at this focus if the angular diameter of the planet at the time of the observation is $45^{\\prime \\prime}$.\nPlease reason step by step, and put your final answer within \\boxed{}."
|
|
}
|
|
],
|
|
"target": "Start with:\n\\[\ns=\\alpha f \\text {, }\n\\]\nwhere $s$ is the diameter of the image, $f$ the focal length, and $\\alpha$ the angular diameter of the planet. For the values given in the problem:\n\\[\ns=\\frac{45}{3600} \\frac{\\pi}{180} 7200=\\boxed{1.6} \\mathrm{~cm}\n\\]",
|
|
"id": 0,
|
|
"group_id": 0,
|
|
"metadata": {
|
|
"type": "Introduction to Astronomy (8.282J Spring 2006)",
|
|
"idx": 0
|
|
}
|
|
}
|
|
```
|
|
|
|
## 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 CLI
|
|
|
|
```bash
|
|
evalscope eval \
|
|
--model YOUR_MODEL \
|
|
--api-url OPENAI_API_COMPAT_URL \
|
|
--api-key EMPTY_TOKEN \
|
|
--datasets minerva_math \
|
|
--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=['minerva_math'],
|
|
limit=10, # 正式评估时请删除此行
|
|
)
|
|
|
|
run_task(task_cfg=task_cfg)
|
|
``` |