GridPuzzle

该数据集是一个评估集，包含274个基于网格的谜题，这些谜题具有不同的复杂度，旨在评估大型语言模型（LLMs）的推理能力。该数据集涵盖了多种网格大小（3x4、3x5、4x4、4x5和4x6），并设置了不同的难度级别，旨在深入了解大型语言模型在解决网格谜题时可能出现的推理错误。规模上，该数据集共有274个基于网格的谜题，其任务是对解决网格谜题时的推理链进行评估。