R-Bench/R-Bench

R-Bench是一个研究生级别多学科基准，用于评估大型语言模型（LLM）和多模态大型语言模型（MLLM）的复杂推理能力。该基准包括数学、物理、生物、计算机科学和化学等19个学科，超过100个主题，如无机化学、化学反应动力学和电磁学。它包含1094个用于测试语言模型的问题和665个专门用于评估多模态推理能力的问题，中英两种语言版本都有。

R-Bench is a graduate-level multi-disciplinary benchmark designed for evaluating the complex reasoning capabilities of Large Language Models (LLMs) and Multimodal Large Language Models (MLLMs). The benchmark spans 19 disciplines, including mathematics, physics, biology, computer science, and chemistry, covering over 100 subjects such as Inorganic Chemistry, Chemical Reaction Kinetics, and Electromagnetism. It features 1,094 questions for testing language models and 665 questions specifically tailored for evaluating multimodal reasoning capabilities, available in both English and Chinese.

搜集汇总

背景与挑战

背景概述

R-Bench是一个研究生级别的多学科基准测试数据集，专门用于评估大型语言模型（LLMs）和多模态大型语言模型（MLLMs）的复杂推理能力。它覆盖了数学、物理、生物、计算机科学和化学等19个部门的100多个学科，包含纯文本和多模态问题，并提供中英文版本，以确保难度校准和跨语言对齐。