q-bench2

q-bench2 是一个面向大模型定量推理与科学计算能力评测的双语数据集，由清华大学 BrenchLab 发布。它包含 2 万道中英文数学题，覆盖代数、几何、概率、统计、微积分及跨学科应用题，并给出数值答案及分步解析；题目按难度、知识点、推理步数三重标签精细标注，支持 0-shot/CoT/工具调用等多测试协议，是目前最系统、难度跨度最大的开源大模型数学推理基准之一。