为什么重要
GSM8K 曾是数学推理核心基准，CoT prompting 最初在此展示效果。现已饱和（97%+），仅做基线验证。
构建方式与示例
8500 道小学数学应用题，每题 2-8 步。例如：“Tom 有 5 个苹果，给了 Mary 2 个，又买了 3 个，现在有几个？“
返回评测
推理 数学-基础 已饱和
模态 · 文本
任务 · 数学求解
GSM8K
8,500 道需要 2-8 步计算的小学数学应用题，已接近饱和
OpenAI ·
考察能力
数学推理 多步计算
构建信息
- 数据规模
- 8,500 questions
- 评测方式
- 标准评测
- 核心指标
- Accuracy (%)
资源链接
模型效果排行
🥇 DeepSeek R1
97.3%
🥈 GPT-4o
95.8%
数学 已饱和