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

math-reasoning-dataset

数学推理

机器学习

该数据集包含了三个字段：prompt（提示）、solution（解决方案）和gold_reasoning（黄金推理）。它被划分为训练集和测试集，训练集有50个示例，测试集有200个示例。

Hugging Face2025-06-01 更新110

Lixing-Li/MATH500-Qwen3.5-9B-SFT

数学问题求解

数学推理

--- dataset_info: features: - name: problem dtype: string - name: solution dtype: string - name: answer dtype: string - name: subject dtype: string - name: level dtype:

Hugging Face2026-03-22 更新90

MATH()

数学推理

语言模型评估

MATH()是由Consequent AI创建的一个数据集，旨在通过功能化的基准测试来评估语言模型的推理能力。该数据集包含5000个问题，目前已有41.2%的问题被转化为功能化形式，以测试模型在未见过的问题上的表现。数据集的访问地址为https://github.com/consequentai/fneval/，用户可以获取到最新的数据集快照和评估代码。MATH()数据集的应用领域主要集中在提高大

arXiv2024-03-01 更新110

AndrewZeng/train_ppo_1to5_mix_twice_syn

--- license: apache-2.0 ---

Hugging Face2024-05-03 更新100