openlifescienceai/mmlu_college_biology

---
dataset_info:
features:
- name: subject_name
dtype: string
- name: data
struct:
- name: Correct Answer
dtype: string
- name: Correct Option
dtype: string
- name: Options
struct:
- name: A
dtype: string
- name: B
dtype: string
- name: C
dtype: string
- name: D
dtype: string
- name: Question
dtype: string
- name: id
dtype: string
splits:
- name: test
num_bytes: 62958
num_examples: 144
- name: validation
num_bytes: 6295
num_examples: 16
- name: dev
num_bytes: 1948
num_examples: 5
download_size: 68830
dataset_size: 71201
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: validation
path: data/validation-*
- split: dev
path: data/dev-*
---

数据集信息：
特征：
- 名称：主题名称（subject_name），数据类型：字符串
- 名称：数据字段（data），为结构体，包含以下子字段：
- 名称：正确答案（Correct Answer），数据类型：字符串
- 名称：正确选项（Correct Option），数据类型：字符串
- 名称：选项集（Options），为结构体，包含四个子字段：
- 名称：A，数据类型：字符串
- 名称：B，数据类型：字符串
- 名称：C，数据类型：字符串
- 名称：D，数据类型：字符串
- 名称：问题文本（Question），数据类型：字符串
- 名称：样本编号（id），数据类型：字符串
数据集划分：
- 划分名称：测试集（test），字节数：62958，样本数量：144
- 划分名称：验证集（validation），字节数：6295，样本数量：16
- 划分名称：开发集（dev），字节数：1948，样本数量：5
下载总大小：68830，数据集总存储大小：71201
配置项：
- 配置名称：默认配置（default），数据文件映射：
- 测试集（test）对应路径：data/test-*
- 验证集（validation）对应路径：data/validation-*
- 开发集（dev）对应路径：data/dev-*

原始信息汇总

数据集概述

数据集特征

• subject_name: 数据类型为字符串。
• id: 数据类型为字符串。
• data: 结构化数据，包含以下子特征：
  • Correct Answer: 数据类型为字符串。
  • Correct Option: 数据类型为字符串。
  • Options: 结构化数据，包含以下子特征：
    • A: 数据类型为字符串。
    • B: 数据类型为字符串。
    • C: 数据类型为字符串。
    • D: 数据类型为字符串。
  • Question: 数据类型为字符串。

数据集分割

• test: 包含144个样本，占用62958字节。
• validation: 包含16个样本，占用6295字节。
• dev: 包含5个样本，占用1948字节。

数据集大小

• 下载大小: 68830字节。
• 数据集总大小: 71201字节。

配置文件

• config_name: default
• data_files:
  • test: 路径为data/test-*。
  • validation: 路径为data/validation-*。
  • dev: 路径为data/dev-*。

搜集汇总

背景与挑战

背景概述

这是一个 MMLU 基准测试中的大学水平生物学多项选择题数据集，包含 165 个条目，涵盖遗传学、生态学、细胞生物学等主题，每个条目提供了问题、选项和正确答案，适用于语言模型评估或训练。数据集格式为 Parquet，分为测试、验证和开发子集。