KR-CSAT-Math-Killer-2022-2026-CoT

kaggle2026-02-01 更新2026-08-12 收录

因果推理基准

高难度数学问题

数据链接：

https://www.kaggle.com/datasets/nejinhyunged/kr-csat-math-killer-2022-2026-cot 数据链接链接失效反馈

官方服务：

资源简介：

A high-difficulty reasoning benchmark featuring the most challenging math proble

一款高难度推理基准测试集，收录了当前最具挑战性的数学题目

创建时间：

2026-02-01

MMLU-Pro

自然语言理解

因果推理基准

MMLU-Pro是由滑铁卢大学等机构创建的综合性语言理解与推理基准数据集，包含12,032个问题，覆盖14个不同的学科领域。该数据集通过增加选项数量和引入更多需要深思熟虑推理的大学水平考试问题，显著提高了挑战性和鲁棒性。创建过程中，数据集经历了两轮专家评审，以减少数据噪声并确保问题质量。MMLU-Pro旨在通过提供更复杂、更具挑战性的问题，推动大型语言模型在多学科语言理解和推理能力上的进步。

arXiv2024-06-05 更新1070

care benchmark

因果推理基准

因果效应估计

causal soler benchmark v2

NIAID Data Ecosystem90

flair/mastermind_24_mcq_close

多项选择

因果推理基准

这是一个基于Mastermind游戏的多个选择推理基准数据集。数据集包含三个部分：训练集、验证集和测试集。每个样本包括一个指示（instruction）、一组选项（每个选项包括一个标签和文本）、以及一个答案键（answerKey）。答案选项与真实解决方案只有一个颜色不同，即只有一个选项的标签与正确答案不同。

Hugging Face2025-03-12 更新70

YoCausal

多模态生成模型

因果推理基准

YoCausal是由国立阳明交通大学与盛大人工智能研究院东京团队构建的因果认知评估基准数据集。该数据集包含1232个真实世界视频样本，涵盖日常生活、物理现象、人类行为及动物活动四大主题领域，通过零成本时间反转技术生成自然反事实样本对。其创新性构建方法摒弃了传统合成数据的局限，利用现有视频资源进行时间反转，实现了数据规模的任意扩展与场景多样性的突破。该数据集专为评估视频扩散模型的因果理解能力而设计，

arXiv2026-05-29 更新160

helloelwin/w2sg-test-results

大型语言模型评估

因果推理基准

该数据集包含多个配置项，每个配置项包含四个特征：问题、正确答案、回答和准确率。数据集主要用于训练，且每个配置项的训练集大小和示例数量有所不同。

Hugging Face2024-04-08 更新90