CMATH#

概述#

CMATH 是一个面向中国小学数学的基准测试，包含 1,698 道覆盖 1 至 6 年级的数学题目，用于评估语言模型在中文数学应用题上的数学推理能力，题目难度随年级递增。

任务描述#

  • 任务类型：中文数学应用题求解

  • 输入：中文数学应用题（小学水平）

  • 输出：分步推理过程及数值答案

  • 难度：1 年级（最简单）至 6 年级（最难）

主要特点#

  • 包含 1,098 道测试题 + 600 道验证题

  • 六个年级（1–6）便于细粒度难度分析

  • 题目为中文，测试语言特定的推理能力

  • 答案形式为简单数值（整数或小数）

  • 元数据包含推理步骤数和数字复杂度信息

评估说明#

  • 默认配置采用 0-shot 评估方式

  • 答案需用 \boxed{} 格式包裹以便正确提取

  • 使用数值精度指标进行答案比对

  • 结果可按年级细分统计

  • 默认使用中文提示模板

属性#

属性

值

基准测试名称

cmath

数据集 ID

evalscope/cmath

论文

N/A

标签

Chinese, Math, Reasoning

指标

acc

默认示例数

0-shot

评估划分

test

数据统计#

指标

值

总样本数

1,098

提示词长度（平均）

70.14 字符

提示词长度（最小/最大）

38 / 191 字符

各子集统计：

子集

样本数

提示词平均长度

提示词最小长度

提示词最大长度

Grade 1

164

60.65

45

99

Grade 2

253

63.3

38

168

Grade 3

237

69.49

49

148

Grade 4

120

75.33

51

114

Grade 5

126

76.79

49

124

Grade 6

198

80.16

42

191

样例示例#

子集: Grade 1

{
  "input": [
    {
      "id": "6e98e414",
      "content": "妈咪买了3盒茶叶，一盒茶叶有6小包，一共买了多少小包茶叶？\n请一步一步推理，最后将答案放在\\boxed{}中。\n"
    }
  ],
  "target": "18",
  "id": 0,
  "group_id": 0,
  "subset_key": "Grade 1",
  "metadata": {
    "reasoning_step": 1,
    "num_digits": 2
  }
}

提示模板#

提示模板：

{question}
请一步一步推理，最后将答案放在\boxed{{}}中。

使用方法#

使用 CLI#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets cmath \
    --limit 10  # 正式评估时请删除此行

使用 Python#

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['cmath'],
    dataset_args={
        'cmath': {
            # subset_list: ['Grade 1', 'Grade 2', 'Grade 3']  # 可选，用于评估指定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)