跳到主要内容Skip to main content

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