112 lines
2.6 KiB
Markdown
112 lines
2.6 KiB
Markdown
# HMMT25
|
||
|
||
## 概述
|
||
|
||
HMMT February 2025（MathArena）是一个具有挑战性的评测基准，源自2025年2月举办的哈佛-麻省理工数学竞赛（Harvard-MIT Mathematics Tournament, HMMT），这是全球最负盛名且难度最高的高中数学竞赛之一。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：竞赛数学问题求解
|
||
- **输入**：HMMT级别的数学问题
|
||
- **输出**：包含逐步推理过程的答案
|
||
- **难度**：高级高中竞赛水平
|
||
|
||
## 主要特点
|
||
|
||
- 题目来自 HMMT 2025 年 2 月竞赛
|
||
- 四大核心领域：代数（Algebra）、组合数学（Combinatorics）、几何（Geometry）、数论（Number Theory）
|
||
- 高难度的竞赛级题目
|
||
- 考察高级数学推理能力
|
||
- 代表顶尖高中数学竞赛难度
|
||
|
||
## 评测说明
|
||
|
||
- 默认配置使用 **0-shot** 评测
|
||
- 答案应使用 `\boxed{}` 格式包裹，以便正确提取
|
||
- 使用数值准确率（numeric accuracy）作为评估指标
|
||
- 题目覆盖多个数学领域
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `hmmt25` |
|
||
| **数据集ID** | [evalscope/hmmt_feb_2025](https://modelscope.cn/datasets/evalscope/hmmt_feb_2025/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `Math`, `Reasoning` |
|
||
| **指标** | `acc` |
|
||
| **默认示例数量** | 0-shot |
|
||
| **评测划分** | `train` |
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 30 |
|
||
| 提示词长度（平均） | 410.53 字符 |
|
||
| 提示词长度（最小/最大） | 173 / 1594 字符 |
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `default`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "fb6fb4e8",
|
||
"content": "Problem:\nCompute the sum of the positive divisors (including $1$) of $9!$ that have units digit $1$.\n\nPlease reason step by step, and put your final answer within \\boxed{}.\n"
|
||
}
|
||
],
|
||
"target": "103",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"metadata": {
|
||
"problem_idx": 1,
|
||
"problem_type": [
|
||
"Number Theory"
|
||
]
|
||
}
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
Problem:
|
||
{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 hmmt25 \
|
||
--limit 10 # 正式评测时请删除此行
|
||
```
|
||
|
||
### 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=['hmmt25'],
|
||
limit=10, # 正式评测时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
``` |