EEReasonBench
收藏资源简介：
EEReasonBench是一个电气工程推理任务的基准数据集，包含不同子领域的问题，如电路、电机、电力系统等。每个问题都有详细的逐步解决方案，并以结构化的JSON格式存储，适用于评估模型在电气工程问题解决方面的性能。
EEReasonBench is a benchmark dataset for electrical engineering reasoning tasks, which encompasses questions from various sub-fields including circuits, electric motors, power systems and more. Each question is accompanied by a detailed step-by-step solution, and the dataset is stored in a structured JSON format, making it suitable for evaluating models' performance in solving electrical engineering problems.
EEReasonBench: 电气工程推理基准数据集
数据集概述
- 目的：用于评估模型在电气工程推理任务上的性能，并作为微调模型的资源
- 领域：电气工程（涵盖电路、电机、电力系统、发电厂等）
- 问题类型：选择题（概念性和数值型），附带分步解决方案
- 格式：结构化JSON
- 语言：英文
- 数据量：小于1K
- 许可：Apache-2.0
数据集结构
数据字段
- id：唯一问题标识符
- subject：所属电气工程学科
- type：问题类型（"Problem Solving"或"Objective Type"）
- problem：问题文本
- choices：多选题选项（A-D）
- given：已知条件（LaTeX格式）
- solution_steps：分步解决方案（Markdown/LaTeX格式）
- answer：正确答案
- concepts：涉及的关键概念
- difficulty：难度等级（1-5）
难度等级
- 1级：非常容易（基础事实/公式回忆，简单计算）
- 2级：容易（基础概念应用，少量计算步骤）
- 3级：中等（多概念应用，中等计算复杂度）
- 4级：困难（高级概念整合，复杂计算）
- 5级：非常困难（专家级知识，复杂解决方案）
数据集创建
- 来源：电气工程教育材料
- 处理：结构化数据、应用LaTeX、添加推理步骤、标记概念、验证计算
- 隐私：仅包含技术问题数据，无个人信息
使用注意事项
- 范围：主要涵盖本科核心电气工程主题
- 潜在错误：可能存在源材料或处理过程中的错误
- 渲染要求：需支持Markdown和LaTeX渲染的工具
- 难度评估：综合考虑概念复杂性、计算量、问题解释、解决方案策略和知识前提
使用方法
python from datasets import load_dataset dataset = load_dataset("Noru1/EEReasonBench")
引用信息
bibtex @misc{ee_problems_dataset_2025, author = {Norbert John Ibera}, title = {EEReasonBench: A Reasoning Benchmark for Electrical Engineering}, year = {2025}, publisher = {Hugging Face}, journal = {Hugging Face Hub}, howpublished = {https://huggingface.co/datasets/Noru1/EEReasonBench} }
