Qwen3-VL评测数据集合

# Qwen3-VL 评测数据集合

该数据集由EvalScope工具生成，评测了模型的数学能力(GSM8K)、知识能力(MMLU-Pro)、指令遵循(IFEval)、多模态知识能力(MMMU-Pro)、多模态数学能力(MathVista)。

具体使用方法参考[Qwen3-VL 模型评测最佳实践](https://evalscope.readthedocs.io/zh-cn/latest/best_practice/qwen3_vl.html)

评测输出示例：
```text
+-------------+---------------------+--------------+---------------+-------+
| task_type | metric | dataset_name | average_score | count |
+-------------+---------------------+--------------+---------------+-------+
| exam | acc | mmmu_pro | 0.5 | 38 |
| math | acc | math_vista | 0.7917 | 24 |
| exam | acc | mmlu_pro | 0.3077 | 13 |
| math | acc | gsm8k | 0.7692 | 13 |
| instruction | prompt_level_strict | ifeval | 0.6667 | 12 |
+-------------+---------------------+--------------+---------------+-------+
```

#### 下载方法
:modelscope-code[]{type="sdk"}
:modelscope-code[]{type="git"}

# Qwen3-VL 评测数据集

该数据集由EvalScope工具生成，用于评测模型的数学能力（GSM8K）、通用知识能力（MMLU-Pro）、指令遵循能力（IFEval）、多模态知识能力（MMMU-Pro）以及多模态数学能力（MathVista）。

具体使用方法可参考[Qwen3-VL 模型评测最佳实践](https://evalscope.readthedocs.io/zh-cn/latest/best_practice/qwen3_vl.html)

评测输出示例：
text
+-------------+---------------------+--------------+---------------+-------+
| 任务类型 | 评价指标 | 数据集名称 | 平均得分 | 样本数量|
+-------------+---------------------+--------------+---------------+-------+
| exam | acc | mmmu_pro | 0.5 | 38 |
| math | acc | math_vista | 0.7917 | 24 |
| exam | acc | mmlu_pro | 0.3077 | 13 |
| math | acc | gsm8k | 0.7692 | 13 |
| instruction | prompt_level_strict | ifeval | 0.6667 | 12 |
+-------------+---------------------+--------------+---------------+-------+

#### 下载方式
:modelscope-code[]{type="sdk"}
:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

Qwen3-VL评测数据集合由EvalScope工具生成，用于评估模型在数学能力（GSM8K）、知识能力（MMLU-Pro）、指令遵循（IFEval）、多模态知识能力（MMMU-Pro）和多模态数学能力（MathVista）等方面的表现。数据集提供了详细的评估输出示例和多种下载方法。