MATH (Hendrycks) — LLM 评估与基准测试 Dataset

12,500 competition mathematics problems across 7 subjects (algebra, calculus, number theory, etc.) with step-by-step solutions. The key benchmark for evaluating mathematical reasoning in LLMs — requires multi-step problem-solving and symbolic manipulation.

Dataset Details

Providerhendrycks
Category评估与基准测试
Size12,500 Problems
LicenseMIT
Downloads890k
TagsCompetition Math, Multi-step, Benchmark, Symbolic Reasoning
from datasets import load_dataset
ds = load_dataset("hendrycks/competition_math")

相关数据集

常见问题

MATH (Hendrycks) 可以商用吗?
可以——MATH (Hendrycks) 采用 MIT 宽松许可证,允许商业使用,包括训练用于产品的模型。发布前请查看数据集卡片中的署名要求。
MATH (Hendrycks) 有多少数据?需要全部使用吗?
MATH (Hendrycks) 包含 12,500 Problems。它是评估基准,用于完整地衡量模型——切勿混入训练数据,否则基准分数将失去意义。
MATH (Hendrycks) 最适合做什么?
Benchmarking competition math ability。它属于数据集中心的「评估与基准测试」板块,那里有替代和互补的数据集。

← 全部数据集 | Fine-Tuning Guide