MathVision#

概述#

MATH-Vision（MATH-V）是一个精心整理的数据集，包含3,040道高质量的数学问题，这些问题均来自真实的数学竞赛，并配有视觉上下文（如图表、图形等），用于评估多模态环境下的数学推理能力。

任务描述#

  • 任务类型：视觉数学推理

  • 输入：带有视觉上下文（图示、图形、图表）的数学问题

  • 输出：数值答案或选项字母

  • 领域：包含视觉元素的竞赛数学

主要特点#

  • 问题源自真实的数学竞赛

  • 包含3,040道高质量、带视觉上下文的问题

  • 划分为五个难度等级（1-5），便于细粒度分析

  • 支持多项选择题和自由作答两种形式

  • 提供详细的参考解答

评估说明#

  • 默认使用 test 数据划分进行评估

  • 按难度划分子集：level 1 至 level 5

  • 主要评估指标：准确率（Accuracy），采用数值比较方式

  • 自由作答题答案需使用 \boxed{} 格式（不含单位）

  • 多项选择题采用思维链（CoT）提示，答案为选项字母

属性#

属性

值

基准测试名称

math_vision

数据集ID

evalscope/MathVision

论文

N/A

标签

MCQ, Math, MultiModal, 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

3,040

提示词长度（平均）

423.91 字符

提示词长度（最小/最大）

93 / 1581 字符

各子集统计信息：

子集

样本数

提示平均长度

提示最小长度

提示最大长度

level 1

237

357.8

133

854

level 2

738

397.17

127

885

level 3

551

433.46

93

1402

level 4

830

434.51

134

946

level 5

684

455.12

129

1581

图像统计信息：

指标

值

图像总数

3,040

每样本图像数

最小: 1, 最大: 1, 平均: 1

分辨率范围

54x40 - 2520x8526

图像格式

jpeg

样例示例#

子集: level 1

{
  "input": [
    {
      "id": "606d1e5a",
      "content": [
        {
          "text": "Answer the following multiple choice question. The last line of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of A,B,C,D,E. Think step by step before answering.\n\nWhich kite has the longest string?\n<image1>\n\nA) A\nB) B\nC) C\nD) D\nE) E"
        },
        {
          "image": "[BASE64_IMAGE: jpg, ~38.6KB]"
        }
      ]
    }
  ],
  "choices": [
    "A",
    "B",
    "C",
    "D",
    "E"
  ],
  "target": "C",
  "id": 0,
  "group_id": 0,
  "subset_key": "level 1",
  "metadata": {
    "id": "3",
    "image": "images/3.jpg",
    "solution": null,
    "level": 1,
    "question_type": "multi_choice",
    "subject": "metric geometry - length"
  }
}

提示模板#

提示模板：

{question}
Please reason step by step, and put your final answer within \boxed{{}} without units.

使用方法#

使用命令行（CLI）#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets math_vision \
    --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=['math_vision'],
    dataset_args={
        'math_vision': {
            # subset_list: ['level 1', 'level 2', 'level 3']  # 可选，用于评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)