enem-2025-d2-multimodal

该数据集包含 86 个训练样本，涉及考试题目信息。每个样本包括：考试版本（exam_edition）、考试链接（exam_url）、题目数量（num_questions）、题目编号（num）、题目陈述（statement）、选项文本列表（alternatives_text）、选项标签列表（alternatives_label）、正确答案（answer）、题目链接（url）、科目（subject）、题目图片（statement_image）、选项图片列表（alternatives_images）。数据集可用于多选题问答、教育评估、视觉问答等相关任务。This dataset contains 86 training samples involving exam question information. Each sample includes: exam edition, exam URL, number of questions, question number, question statement, list of alternative texts, list of alternative labels, correct answer, question URL, subject, question image, and list of alternative images. The dataset can be used for multiple-choice question answering, educational assessment, visual question answering, and related tasks.

原始信息汇总

数据集概述

该数据集名为 enem-2025-d2-multimodal，来源于 Hugging Face 平台，包含了 2025 年巴西国家中等教育考试（ENEM）第二天考试的多模态试题数据。

基本信息

• 数据集大小：下载大小为 5,434,782 字节（约 5.18 MB），完整数据集大小为 5,461,601 字节（约 5.21 MB）
• 数据划分：仅包含一个训练集（train），共 86 个样本
• 数据格式：支持多模态输入（文本与图像）

数据字段说明

字段名	类型	说明
exam_edition	string	考试版本信息
exam_url	string	考试原始链接
num_questions	int32	试卷总题数
num	int32	题目编号
statement	string	题目文本描述
alternatives_text	list[string]	选项文本列表
alternatives_label	list[string]	选项标签列表
answer	string	正确答案
url	string	题目来源链接
subject	string	科目类别
statement_image	image	题目配图
alternatives_images	list[image]	选项配图列表

数据特点

1. 多模态特性：数据集中不仅包含文本信息（题目陈述、选项），还包含图像信息（题目配图和选项图片），适合用于多模态理解与推理任务。
2. 结构完整性：每个样本均包含完整的题目编号、选项、参考答案及科目信息，便于进行监督学习或评估。
3. 规模适中：共 86 道题目，适合作为小规模基准数据集或教学示例使用。

数据用途

该数据集可应用于：

• 多模态阅读理解
• 自动答题系统
• 教育评估模型训练与验证

搜集汇总

数据集介绍

构建方式

该数据集源自巴西国家中等教育考试（ENEM）2025年第二天的考试内容，通过系统化采集与结构化整理，构建了包含86道题目的高质量多模态数据集。每道题目均保留原始编号、题干文本、备选答案、正确答案及所属科目，并关联官方考试链接与独立资源地址。尤为关键的是，数据集中对含有图像元素的题目进行了视觉信息归档，分别存储题干配图与选项配图，确保图文信息的完整对应，为多模态学习任务的开展奠定了坚实的数据基础。

特点

该数据集的最大特色在于其多模态融合特性，它同时整合了文本与图像两种数据形态，不仅提供了自然语言形式的题目陈述与选项，还保留了辅助理解的视觉材料。此外，数据集的领域焦点明确，集中于巴西高考的第二天科目，涵盖了特定学科的知识点与题型分布，具有鲜明的教育评测色彩。其结构化字段设计精细，从考试版本、题目编号到链接与图像，层层递进，便于研究者精准提取所需信息，适用于多模态推理、视觉问答及教育测评等多项研究场景。

使用方法

数据集按HuggingFace标准格式组织，包含单一训练分割（含86个样本），可通过datasets库便捷加载。研究者可直接调用load_dataset函数获取全部样本，并依据subject字段筛选特定学科的子集进行专项分析。处理时，statement_image与alternatives_images字段分别对应题干与选项的图像数据，可配合文本字段构建多模态输入序列。该数据集特别适合用于训练和评估多模态大语言模型在教育领域的表现，亦可作为开发教育智能辅导系统的基准数据资源。

背景与挑战

背景概述

ENEM-2025-D2-Multimodal数据集由巴西国家教育研究所（INEP）等机构联合创建，旨在为多模态人工智能研究提供基于巴西国家高中教育考试（ENEM）第二天的试题数据。该数据集包含86道试题，每道题均配有文本、图像及对应的答案和科目标签，覆盖数学、自然科学等核心学科。其核心研究问题在于推动视觉语言模型在真实教育场景中的理解和推理能力，尤其关注数学公式、图表与文本的联合解析。自发布以来，该数据集为教育领域的人工智能应用提供了独特的基准，促进了多模态学习、视觉问答及教育技术研究的发展，对评估和提升模型的综合能力具有重要意义。

当前挑战

该数据集面临的挑战首先体现在领域问题上：试题中的数学符号、几何图形和复杂图表与文本的深度融合，对模型的多模态对齐与推理能力构成严峻考验，传统单一模态模型难以有效应对。其次，构建过程中，数据获取需从官方考试中精准提取并标注，涉及大量人工审核以保障题目完整性和答案一致性；同时，图像与文本的结构化表示及跨模态关联标注需要专业教育知识，增加了构建难度。此外，数据规模较小（仅86例），可能限制模型的泛化能力，且如何处理图像中的非印刷元素（如手写或扫描噪声）也是实际应用中的关键挑战。

常用场景

经典使用场景

该数据集源自巴西国家高中教育考试（ENEM）2025年第二天的题目，包含86道多模态问题，每题配有题干文本、选项文本、题干图片及选项图片。其经典使用场景集中于多模态推理与视觉问答（VQA）领域，研究者可借此评估模型对图像与文本联合理解的能力，例如在科学、人文学科背景下解析图表、照片或示意图与文字描述的关联，从而推动跨模态语义对齐与逻辑推断技术发展。

衍生相关工作

该数据集可衍生出一系列经典工作，如多模态预训练模型的零样本或少样本评估、视觉语言提示学习、跨模态注意力机制改进，以及基于真实考试数据构建的基准测试（benchmark）框架。研究者可借此开发新的自适应融合架构、推出多任务学习范式，或用于训练教育领域专用的大语言模型，推动多模态推理在低资源语言环境中的应用与创新。

数据集最近研究

最新研究方向

该数据集聚焦于巴西国家高中教育考试（ENEM）2025年第二天的多模态试题，融合文本与图像信息，为教育评测领域的前沿研究提供了独特资源。当前研究热点在于探索多模态大语言模型（如视觉-语言模型）在复杂教育场景中的推理能力，尤其是对科学图表、几何图形及实验现象等视觉内容的语义理解与跨模态关联。该数据集的发布助力于开发更鲁棒的自动化答题系统，推动教育公平与个性化学习评估，并对低资源语言环境下的多模态学习基准构建具有深远意义。