Models · Data · 评测集
MATH-500
从 MATH 测试集抽出的 500 题子集,题面与答案结构清楚,常用于快速比较数学推理。
| 来源 | Hugging Face H4 |
|---|---|
| 规模 | 500 题 |
| 语言 | 英文 |
| 格式 | JSONL |
| 许可 | MIT |
| 商用 | 允许,需保留声明 |
| 获取 | Hugging Face 直接下载 |
| 任务适配 | 数学推理评测 / 答案抽取 |
| 核验日 | 2026-11-19 |
质量与偏差
从 MATH 测试集抽出的 500 题子集,题面与答案结构清楚,常用于快速比较数学推理。
使用边界
题目公开已久,污染风险高;答案抽取与等价判断会显著影响分数。
第一次使用
固定 prompt、答案抽取与评分脚本,再与其它模型同口径对比。
常见坑
只看最终答案不看过程;不同抽取器导致分数不可比。
成本
低;单卡可跑。
不适合
不适合代表竞赛级数学或中文数学能力。
对比与替代
与 GSM8K 相比更难、更偏竞赛;与 AIME 相比更易复现。
怎么验证
核对 500 题版本与答案字段;抽 10 题手算验证评分。
下一步
- 打开来源页,下载数据集卡与许可原文,确认版本与获取条件。
- 先抽 100–500 条样本做质量、语言与敏感内容抽检,再决定是否进训练管线。
- 如果用于 RAG 或 SFT,先读 RAG 语料怎么选 / SFT 数据怎么配比。
来源:https://huggingface.co/datasets/HuggingFaceH4/MATH-500 · 核验日 2026-11-19 · 许可以来源页为准