Verified Math and Code 17k

kaggle2026-08-12 更新2026-08-19 收录

数学推理

代码生成验证

数据链接：

https://www.kaggle.com/datasets/aivarasnavardauskas/verified-math-code-17k 数据链接链接失效反馈

官方服务：

资源简介：

17,000 math and code rows where every answer was mechanically checked

该数据集包含17000条数学与代码相关数据行，所有答案均经过机械校验

创建时间：

2026-08-06

We-Math 2.0

数学推理

机器学习

We-Math 2.0是一个统一的系统，旨在全面增强多模态大型语言模型（MLLMs）的数学推理能力。它集成了一个结构化的数学知识系统、以模型为中心的数据空间建模和基于强化学习（RL）的训练范式，以实现广泛的概念覆盖和在不同难度级别上的稳健推理性能。关键贡献包括：1. MathBook知识系统——一个五级层次结构，涵盖491个知识点和1,819个基本原理；2. MathBook-Standard和M

github2025-08-15 更新1350

VCBench

数学推理

感知信息处理

VCBench是一个用于评估多模态数学推理能力的综合基准数据集，专注于评估模型解决小学数学问题的能力，这些问题依赖于明确的视觉依赖关系。数据集包含1720个问题，跨越六个认知领域，并配以6697张图片，平均每个问题包含3.9张图片。该数据集的创建过程严格筛选并翻译了中国小学数学教科书中的问题，确保每个问题都具有独特且明确的答案。VCBench旨在解决当前基准测试中缺乏对视觉-数学推理能力的充分评估

arXiv2025-04-24 更新330

mlfoundations-dev/a1_math_natural_reasoning

数学推理

自然语言处理

这是一个包含指令种子(instruction_seed)、参考答案(reference_answer)、多个响应(responses)、推理过程(reasoning)、deepseek解决方案(deepseek_solution)、原始行索引(__original_row_idx)、最终推理轨迹(final_reasoning_trace)和对话(conversations)等字段的数据集。数据集

Hugging Face2025-04-10 更新140

zhihz0535/X-SVAMP_en_zh_ko_it_es

多语言

数学推理

X-SVAMP是一个用于评估多语言大语言模型（LLMs）的基准测试，包含五种语言（英语、中文、韩语、意大利语和西班牙语）的问题和答案，旨在评估LLMs的数学推理能力。数据集由GPT-4-turbo从原始英文版SVAMP翻译而来。每个问题都附有逐步思考的提示，并且每个示例由id、instruction和answer三个字段组成。

Hugging Face2024-01-27 更新370

MATHHAY

人工智能

数学推理

MATHHAY是由Salesforce AI Research和新加坡管理大学共同创建的一个自动化基准数据集，旨在评估大型语言模型在长上下文环境中的数学推理能力。该数据集涵盖了从单一文档到多文档、单一步骤到多步骤的多种难度级别的数学推理任务，适用于32K到128K tokens的长度。MATHHAY的创建过程包括文档收集、问题生成、质量控制和海量文档构建四个主要阶段，确保数据集的高质量和真实性。该

arXiv2024-10-07 更新150

Verified Math and Code 17k

资源简介：

相关数据集