Datasets:

Modalities:
Text
Formats:
parquet
ArXiv:
Libraries:
Datasets
pandas
License:
question
stringclasses
8 values
answer
stringclasses
8 values
answer_number
int32
5
39
equation_solution
stringclasses
8 values
রজারের 5টি টেনিস বল আছে। সে আরও 2 ক্যান টেনিস বল কিনেছে। প্রতিটি ক্যানে 3টি করে টেনিস বল আছে। তার কাছে এখন কতগুলি টেনিস বল আছে?
রজারের প্রথমে 5টি বল ছিল। 2টি ক্যানের প্রতিটিতে 3টে টেনিস বল মানে 6টি টেনিস বল। 5 + 6 = 11।
11
5 + 6 = 11.
সার্ভার কক্ষে নয়টি কম্পিউটার ছিল। সোমবার থেকে বৃহস্পতিবার প্রতিদিন আরও পাঁচটি করে কম্পিউটার স্থাপন করা হয়েছিল। সার্ভার কক্ষে এখন কতগুলি কম্পিউটার আছে?
সোমবার থেকে বৃহস্পতিবার 4দিন হয়। প্রতিদিন 5টি করে কম্পিউটার যোগ করা হয়েছে। যার অর্থ মোট 4 * 5 = 20টি কম্পিউটার যোগ করা হয়েছে। শুরুতে 9টি কম্পিউটার ছিল, তাই এখন 9 + 20 = 29টি কম্পিউটার রয়েছে।
29
4 * 5 = 20. 9 + 20 = 29.
লিয়ার 32টি চকোলেট ছিল এবং তার বোনের ছিল 42টি। যদি তারা 35টি খেয়ে থাকে, তাহলে তাদের কাছে মোট কতগুলি অবিশিষ্ট আছে?
লিয়ার 32টি চকোলেট ছিল এবং লিয়ার বোনের ছিল 42টি। যার অর্থ শুরুতে 32 + 42 = 74টি চকোলেট ছিল। 35টি খাওয়া হয়ে গেছে। তাই তাদের কাছে মোট 74 - 35 = 39টি চকোলট আছে।
39
32 + 42 = 74. 74 - 35 = 39.
শনের পাঁচটি খেলনা আছে। ক্রিসমাস উপলক্ষে সে তার মাতা ও পিতা উভয়ের থেকে দুটি করে খেলনা পেয়েছে। তার কাছে এখন কতগুলি খেলনা আছে?
তার কাছে 5টি খেলনা আছে। সে তার মাতার থেকে 2টি খেলনা পেয়েছিল অতএব, এরপর তার 5 + 2 = 7টি খেলনা হয়েছে। তারপর সে তার পিতার থেকে 2টি খেলনা পেয়েছিল, তাই তার মোট 7 + 2 = 9 টি খেলনা হয়েছে।
9
5 + 2 = 7. 7 + 2 = 9.
মাইকেলের 58টি গলফ বল ছিল। মঙ্গলবার, সে 23টি গলফ বল হারিয়েছিল। বুধবার, সে আরও 2টি বল হারিয়েছিল। বুধবারের শেষে তার কাছে কয়টি গলফ বল ছিল?
শুরুতে মাইকেলের কাছে 58টি গলফ বল ছিল এবং সে 23টি বল হারিয়েছিল, তাই তার 58 - 23 = 35টি বল আছে। আরও 2টি বল হারানোর পর, তার এখন 35 - 2 = 33টি বল আছে।
33
58 - 23 = 35. 35 - 2 = 33.
অলিভিয়ার $23 আছে। সে পাঁচটি ব্যাগেল কিনেছিল যার প্রতিটির মূল্য $3। তার কাছে কত অর্থ অবশিষ্ট আছে?
প্রতিটি ব্যাগেলের মূল্য $3 হলে 5টি ব্যাগেলের মূল্য হওয়া উচিৎ 5 *3 = 15 ডলার। শুরুতে অলিভিয়ার কাছে $23 ছিল, তাই বর্তমানে তার কাছে 23 - 15 = 8 ডলার অবশিষ্ট আছে।
8
5 * 3 = 15. 23 - 15 = 8.
জ্যাসনের 20টি ললিপপ ছিল। সে ডেনিকে কিছু ললিপপ দিয়েছিল। বর্তমানে জ্যাসনের কাছে 12টি ললিপপ আছে। জ্যাসন ডেনিকে কতগুলি ললিপপ দিয়েছিল?
জ্যাসনের কাছে প্রথমে 20টি ললিপপ ছিল, কিন্তু এখন তার কাছে শুধুমাত্র 12টি আছে, তাহলে সে ডেনিকে 20 - 12 = 8টি ললিপপ দিয়েছিল।
8
20 - 12 = 8.
পার্কিং লটে যদি 3 টি গাড়ি থাকে এবং আরও 2টি গাড়ি আসে, তাহলে পার্কিং লটটিতে কতগুলি গাড়ি আছে?
শুরুতে সেখানে 3টি গাড়ি ছিল, আরও 2টি গাড়ি আসে, তাহলে বর্তমানে 3 +2 = 5টি গাড়ি থাকা উচিৎ।
5
3 + 2 = 5.

Dataset Card for MGSM

Dataset Summary

Copy and merge of this MGSM Dataset, Catalan version, Basque version, Galician version, but in training samples we removed the prompt formatting, e.g. removed Question: ... in question field or Answer: ... in answer field. Multilingual Grade School Math Benchmark (MGSM) is a benchmark of grade-school math problems, proposed in the paper Language models are multilingual chain-of-thought reasoners.

The same 250 problems from GSM8K are each translated via human annotators in 10 languages. The 10 languages are:

  • Spanish
  • French
  • German
  • Russian
  • Chinese
  • Japanese
  • Thai
  • Swahili
  • Bengali
  • Telugu
  • Catalan
  • Basque
  • Galician

GSM8K (Grade School Math 8K) is a dataset of 8.5K high quality linguistically diverse grade school math word problems. The dataset was created to support the task of question answering on basic mathematical problems that require multi-step reasoning.

You can find the input and targets for each of the ten languages (and English) as .tsv files. We also include few-shot exemplars that are also manually translated from each language in exemplars.py.

Supported Tasks and Leaderboards

[Needs More Information]

Languages

The same 250 problems from GSM8K are each translated via human annotators in 10 languages. The 10 languages are:

  • Spanish
  • French
  • German
  • Russian
  • Chinese
  • Japanese
  • Thai
  • Swahili
  • Bengali
  • Telugu
  • Catalan
  • Basque
  • Galician

Dataset Structure

Data Instances

Each instance in the train split contains:

  • a string for the grade-school level math question
  • a string for the corresponding answer with chain-of-thought steps.
  • the numeric solution to the question
  • the equation solution to the question
{'question': 'Question: Roger has 5 tennis balls. He buys 2 more cans of tennis balls. Each can has 3 tennis balls. How many tennis balls does he have now?',
 'answer': 'Step-by-Step Answer: Roger started with 5 balls. 2 cans of 3 tennis balls each is 6 tennis balls. 5 + 6 = 11. The answer is 11.',
 'answer_number': 11,
 'equation_solution': '5 + 6 = 11.'}

Each instance in the test split contains:

  • a string for the grade-school level math question
  • the numeric solution to the question
{'question': "Janet’s ducks lay 16 eggs per day. She eats three for breakfast every morning and bakes muffins for her friends every day with four. She sells the remainder at the farmers' market daily for $2 per fresh duck egg. How much in dollars does she make every day at the farmers' market?",
 'answer': None,
 'answer_number': 18,
 'equation_solution': None}

Data Fields

The data fields are the same among train and test splits.

  • question: The question string to a grade school math problem.

  • answer: The full solution string to the question. It contains multiple steps of reasoning with calculator annotations and the final numeric solution.

  • answer_number: The numeric solution to the question.

  • equation_solution: The equation solution to the question.

Data Splits

  • The train split includes 8 few-shot exemplars that are also manually translated from each language.
  • The test split includes the same 250 problems from GSM8K translated via human annotators in 10 languages.
name train test
en 8 250
es 8 250
fr 8 250
de 8 250
ru 8 250
zh 8 250
ja 8 250
th 8 250
sw 8 250
bn 8 250
te 8 250
ca 8 250
eu 8 250
gl 8 250

Dataset Creation

Curation Rationale

[Needs More Information]

Source Data

Initial Data Collection and Normalization

From the paper:

We initially collected a starting set of a thousand problems and natural language solutions by hiring freelance contractors on Upwork (upwork.com). We then worked with Surge AI (surgehq.ai), an NLP data labeling platform, to scale up our data collection. After collecting the full dataset, we asked workers to re-solve all problems, with no workers re-solving problems they originally wrote. We checked whether their final answers agreed with the original solu- tions, and any problems that produced disagreements were either repaired or discarded. We then performed another round of agreement checks on a smaller subset of problems, finding that 1.7% of problems still produce disagreements among contractors. We estimate this to be the fraction of problems that con- tain breaking errors or ambiguities. It is possible that a larger percentage of problems contain subtle errors.

Who are the source language producers?

[Needs More Information]

Annotations

Annotation process

[Needs More Information]

Who are the annotators?

Surge AI (surgehq.ai)

Personal and Sensitive Information

[Needs More Information]

Considerations for Using the Data

Social Impact of Dataset

[Needs More Information]

Discussion of Biases

[Needs More Information]

Other Known Limitations

[Needs More Information]

Additional Information

Dataset Curators

[Needs More Information]

Licensing Information

The GSM8K dataset is licensed under the MIT License.

Citation Information

@article{cobbe2021gsm8k,
    title={Training Verifiers to Solve Math Word Problems},
    author={Cobbe, Karl and Kosaraju, Vineet and Bavarian, Mohammad and Chen, Mark and Jun, Heewoo and Kaiser, Lukasz and Plappert, Matthias and Tworek, Jerry and Hilton, Jacob and Nakano, Reiichiro and Hesse, Christopher and Schulman, John},
    journal={arXiv preprint arXiv:2110.14168},
    year={2021}
}
@misc{shi2022language,
    title={Language Models are Multilingual Chain-of-Thought Reasoners}, 
    author={Freda Shi and Mirac Suzgun and Markus Freitag and Xuezhi Wang and Suraj Srivats and Soroush Vosoughi and Hyung Won Chung and Yi Tay and Sebastian Ruder and Denny Zhou and Dipanjan Das and Jason Wei},
    year={2022},
    eprint={2210.03057},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

Contributions

Thanks to @juletx for adding this dataset.

Downloads last month
98
Papers with Code