上海人工智能实验室 发布 MDK12-Bench 数据集, 应用在 教育评估、机器学习 领域

上海人工智能实验室 本次发布的数据集 MDK12-Bench, MDK12-Bench是由上海人工智能实验室等机构共同创建的多学科综合评估基准，旨在通过现实世界的K-12考试来评估多模态大型语言模型（MLLMs）的推理能力。该数据集涵盖数学、物理、化学、生物、地理和信息科学六大领域，包含从小学到12年级的不同难度级别的140K个推理实例。数据集具有6827个基于知识点的详细注释，并提供了难度标签和跨年度分区，支持对MLLMs进行全面的评估。

查看MDK12-Bench

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。