Gaokao Question Bank (gaokao-bench-2016-2022)

github2026-10-31 更新2026-11-01 收录

高考学科问答

教育大模型训练

数据链接：

https://github.com/KuzuryuYaichi-0721/gaokao-question-bank 数据链接链接失效反馈

官方服务：

资源简介：

该数据集包含2016年至2022年的2,996道九学科高考题目，已按GaokaoCoach题目模式规范化；题目来源于OpenLMLab/GAOKAO-Bench，采用Apache-2.0许可。

创建时间：

2026-10-29

原始信息汇总

Gaokao Question Bank 数据集概述

基本信息

数据集详情页：https://github.com/KuzuryuYaichi-0721/gaokao-question-bank
定位：面向 GaokaoCoach 的开源题库数据流水线与检索工具。
代码许可证：MIT License。
开放数据集许可证：Apache-2.0。
令牌策略：未提交任何 API token；STZY_TOKEN 仅从本地环境读取。

包含内容

开放数据集 JSON 文件：gaokao-bench-2016-2022.json
题目数量：2,996 道。
题目范围：九科高考题。
年份范围：2016–2022。
数据格式：标准化为 GaokaoCoach 题目 schema。
数据来源：OpenLMLab/GAOKAO-Bench，https://github.com/OpenLMLab/GAOKAO-Bench。
来源许可证：Apache-2.0。
相关声明文件：NOTICE、THIRD_PARTY_NOTICES.md。

不包含内容

GAOKAO-Bench-Updates 2023–2024：上游仓库未声明许可证，因此未在此重新分发。
小红书 2025 项目：无再分发许可证的第三方内容。
GaokaoCoach 合成演示种子：样本题，不是真实考试题。
扫描图像、PDF、音频、本地 SQLite 数据库和用户进度。
本地 GaokaoCoach 安装仍可包含上述内容用于私人学习，但不属于本开放数据发布。

快速开始

创建虚拟环境。
激活虚拟环境。
安装依赖。
复制配置示例为本地配置。
仅在访问付费/私有源时设置 STZY_TOKEN，且绝不提交该 token。
初始化题库。
导入 JSON 开放数据集。
查看统计信息。

命令

import-json：导入 JSON 开放数据集。
search：按科目、地区、类型检索。
ai-search：自然语言检索。
crawl-stzy：按科目、年份、省份抓取 STZY 数据。
index-search：按科目、年份、省份、类型检索索引。
hydrate：按 ID 获取完整题目，可加 --answer 获取答案。
answers-stzy：获取 STZY 答案。
import-bench：从原始目录导入 bench。
har-import：导入 HAR。
stats：查看统计。
export-app：导出应用题库 JSON。

数据模型

模型	说明
papers	paper、region、year、exam era、exam type、source
questions	number、type、stem、options、answer、explanation、source
question_index	搜索结果摘要；完整题目仅在显式 hydrate 时获取
question_types	按科目、地区、时代分类法
questions_fts	全文搜索
crawl_jobs	爬取任务和失败原因

来源边界

STZY 客户端是 Bearer-token 客户端。
本地配置中的搜索/详情路径必须从用户自己的账户填写。
项目不绕过登录、验证码或付费墙。

开源状态

仓库公开。
代码贡献按 MIT 接受。
数据贡献必须声明来源和许可证。
不得提交包含受版权保护的扫描件、第三方笔记、API token 或用户数据的 PR。

贡献者

KuzuryuYaichi-0721 — 维护者
pellx — 贡献者

搜集汇总

数据集介绍

Gaokao Question Bank (gaokao-bench-2016-2022) 数据集图片

构建方式

在教育测量与智能命题研究领域，标准化题库的构建通常依赖可追溯来源与统一数据模式。Gaokao Question Bank 由开源题库数据管道与检索工具支撑，其开放数据从 OpenLMLab/GAOKAO-Bench 衍生，选取2016至2022年九科高考题共2,996道，并依照 GaokaoCoach 题目模式进行字段归一化，形成试卷、题目、题型索引及全文检索等结构化表。该流程以命令行导入工具完成入库，数据采用 Apache-2.0 许可，代码采用 MIT 许可。构建时明确排除无再分发许可的2023至2024更新、第三方笔记、合成示例、扫描件、音视频及本地用户进度，以维护数据边界与合规性。

使用方法

在智能备考与题库检索应用中，使用者可借助该仓库的命令行接口完成导入、检索、抓取与导出。典型流程包括创建虚拟环境、安装依赖、复制本地配置，并通过 init 初始化数据库，再以 import-json 导入开放数据文件，以 stats 查看统计信息。检索层面可使用 search 按学科、地区和题型过滤，也可用 ai-search 进行自然语言查询，或以 index-search 按年份与省份索引检索；需要完整题目时调用 hydrate，需要答案时附加 answer 参数。answers-stzy、crawl-stzy、import-bench 与 har-import 等命令服务于特定来源接入，export-app 可导出至 GaokaoCoach。涉及付费或私有来源时，令牌仅从本地环境读取，且不绕过登录、验证码或付费墙。

背景与挑战

背景概述

在教育人工智能与智能辅导日益交汇的背景下，Gaokao Question Bank（gaokao-bench-2016-2022）以2016—2022年九学科高考真题为对象，整合来源于OpenLMLab/GAOKAO-Bench并遵循Apache-2.0许可的2,996道题目，经由GaokaoCoach问题模式规范化，形成涵盖试卷、题目、答案、解析与检索索引的开放题库。该数据集由KuzuryuYaichi-0721维护、pellx参与贡献，核心研究问题在于以合规且可复用的方式支持高考题目的结构化组织、全文检索与AI辅助检索。其影响力体现在为教育问答、大语言模型评测、区域化命题分析与智能备考系统提供可验证的中文基准资源。

当前挑战

在构建开放、合规且可检索的高考题目资源库过程中，该数据集面临多重挑战。就领域问题而言，高考题目横跨九大学科、不同地区、新旧高考与多样题型，答案与解析的标准化程度不一，传统题库难以满足智能检索、语义匹配与模型评测对结构化和可解释性的要求。构建层面，许可与版权边界构成核心约束：上游2023—2024年更新因缺少声明许可而未纳入，小红书2025内容、扫描图像、PDF、音频、本地数据库与用户进度亦被排除；同时需完成题目模式规范化、全文索引、爬取任务与失败原因记录，并恪守Bearer令牌与源边界，不绕过登录、验证码或付费墙，数据贡献还须明确来源与许可。

常用场景

经典使用场景

在中文教育人工智能与语言模型评测的交汇处，高考题目长期被视为检验学科知识、推理能力与应试理解的高价值语料。Gaokao Question Bank (gaokao-bench-2016-2022) 汇聚2016至2022年九科2,996道真题，并以统一题卷、题目、题型、全文检索等模式加以组织，因而最经典的使用场景是面向大语言模型的高考九科基准测试与细粒度能力诊断。研究者可按学科、地区、年份与题型检索题目，构建闭卷或开卷评测集，考察模型在数学导数、语文阅读、理综实验等任务上的表现，亦可借助全文检索与AI搜索接口完成题目定位、答案补全和解释生成，为教育问答与检索增强生成提供规范、可复现的数据底座。

解决学术问题

高考评测研究曾受困于题目来源分散、版权许可模糊、结构异构与跨年度可比性不足等难题。该数据集以Apache-2.0开放许可和规范化schema回应上述缺口，将2016至2022年九科真题整合为可检索、可导入、可统计的公共资源，从而支撑模型知识掌握、复杂推理、学科迁移、区域差异与考试改革效应等学术议题。其意义在于为中文教育大模型提供可复现、可比较的评测基座，降低因数据不可公开而造成的复现障碍，并推动高考能力评测从零散实验走向标准化、透明化与可持续积累，亦为教育测量与人工智能交叉研究提供实证素材。

实际应用

在教育科技产品与智能备考系统的落地实践中，该数据集可作为题库核心与检索服务底座。GaokaoCoach可将其导入本地数据库，按学科、地区、年份、考试时代与题型执行检索，支持组卷、错题归因、知识点定位与个性化推题。教师与研究者能够借助命令行工具完成题目导入、统计、全文搜索及AI搜索，并在需要时显式获取题目详情与答案解析。面向学习者的问答助手、备考应用和区域化模拟训练，亦可利用其规范化字段构建题目索引与内容分发流程，从而在合规边界内提升题库管理效率与教育服务体验。

数据集最近研究