数据样本

挑战前沿模型的
训练数据。

每一条数据都经过领域专家精心构造,难度足以挑战当前最强的前沿模型。覆盖从数学证明到空间推理、从深度研究到代码工程的多个核心方向。

6
领域
30+
样本类型
5+
挑战的前沿模型
01

In-Context Learning

提升模型in-context learning的原子能力,提升模型基于输入的长文本信息完成复杂的信息归纳分析和推理演绎能力。

数学物理化学医疗
挑战模型:GPT5.2 proSeed 2.0 proGemini-3.1 pro
#ICL-001数学math.NTEN
CONTEXT LENGTH
~89K tokens(88,829)
PROMPT

Let χ\chi be a primitive Dirichlet character of conductor pnp^{n} for some integer n1n \geq 1, seen as a locally constant character of Zp×\mathbf{Z}_{p}^{\times}. Prove that, for k>0k > 0, we have

Zp×χ(x)xkζp=L(χ,1k).\int_{\mathbf{Z}_{p}^{\times}} \chi(x)x^{k} \cdot \zeta_{p} = L(\chi,1-k).
LICENSECC BY 4.0
#ICL-002数学math.NTEN
CONTEXT LENGTH
~30K tokens(30,190)
PROMPT

Let θ\theta be a non-trivial Dirichlet character of conductor NN. Find the value of Lp(θ,1)L_{p}(\theta,1) in terms of the primitive NNth roots of unity.

LICENSECC BY 4.0
#ICL-003数学math.DGEN
CONTEXT LENGTH
~47K tokens(47,469)
PROMPT

Suppose that the base manifold MM is simply-connected. Identify B=A/G0\mathcal{B}=\mathcal{A}/\mathcal{G}_0 as a linear subspace of A\mathcal{A}.

#ICL-004物理hep-thEN
CONTEXT LENGTH
~38K tokens(37,813)
PROMPT

Question

Read the context, consider the regulated 2+12+1-dimensional Z2\mathbb{Z}_2-symmetric setting. Take

=1,GN=713,E0=7,χE,=πarctan ⁣(23),q=558,α=137,β=118.\ell=1,\qquad G_N=\frac{7}{13},\qquad E_0=-7,\qquad \chi_{E,\infty}=\pi-\arctan\!\left(\frac{2}{3}\right),\qquad q=\frac{\sqrt{55}}{8},\qquad \alpha=\frac{13}{7},\qquad \beta=\frac{11}{8}.

Choose...

LICENSECC BY 4.0
#ICL-005物理hep-thEN
CONTEXT LENGTH
~44K tokens(44,168)
PROMPT

Question

On a fixed constant-time slice, consider two ghost-zero observed channels, C1\mathfrak{C}_1 and C2\mathfrak{C}_2, characterized only by the undeformed matter-vacuum kernels

C1(w1,wˉ1)C1(w2,wˉ2)0=1(w1w2)2(wˉ1wˉ2)2,\langle \mathfrak{C}_1(w_1,\bar w_1)\mathfrak{C}_1(w_2,\bar w_2)\rangle_0 = \frac{1}{(w_1-w_2)^2(\bar w_1-\bar w_2)^2},

...

LICENSECC BY 4.0
#ICL-006物理hep-thEN
CONTEXT LENGTH
~37K tokens(36,524)
PROMPT

Question

Read the context, in d=3d=3, m2=2m^2=-2, G=AdS=1G=\ell_{\text{AdS}}=1, take

χ(r)=49144r27790r3+O(r4),f(r)=r2[1+49144r2198r3+O(r4)],\chi(r)=\frac{49}{144\,r^2}-\frac{77}{90\,r^3}+\mathcal O(r^{-4}), \qquad f(r)=r^2\left[1+\frac{49}{144\,r^2}-\frac{19}{8\,r^3}+\mathcal O(r^{-4})\right], r_h=\frac{7}{6},\qquad \chi(r_h)=\ln 2,\qquad f'(r_h)=\frac{9\pi}{2...
LICENSECC BY 4.0
#ICL-007化学无机化学中文
CONTEXT LENGTH
~13K tokens(12,536)
PROMPT

附件是一篇关于有机膦酸配体导向的巨型多金属氧酸盐(POM)簇合物可控组装的研究论文,内容涵盖五种新型轮状钼蓝簇合物的合成方法、单晶结构解析、分子式确定、ESI-MS与NMR波谱表征等。请仔细阅读全文后,回答以下问题: 在文中报道的唯一一种dodecameric wheel化合物中,其轮状主体骨架(host framework,不含内部被包裹的ε\varepsilon ε-Keggin基客体簇)所包含的Mo(V)\text{Mo(V)} Mo(V)中心总数为多少? 请给出一个明确的数值作为最终答案,并展示完整的推理过程,包括目标化合物的识别依据、电荷平衡计算的详细步骤、以及客体簇中Mo氧化态的判断逻辑。

#ICL-008化学有机化学中文
CONTEXT LENGTH
~20K tokens(19,894)
PROMPT

阅读所提供的长文本材料,回答以下问题。展示完整的推理过程。 问题: 在本文报道的所有 housane 产物(化合物 6a-6r)中,同时满足以下三个条件的化合物:(i) 非对映选择性比(dr)优于 95:05,(ii) 最终产物中引入了非氢取代基(即淬灭步骤使用的并非 H3O+H_3O^+D3O+D_3O^+),(iii) 整个一锅法合成序列的任何阶段均未使用铜盐进行转金属化——请计算这些化合物报道的分离产率之和(以 %\% 为单位)。

#ICL-009化学无机化学中文
CONTEXT LENGTH
~17K tokens(17,181)
PROMPT

附件是一篇关于中性环状铝(I)三聚体(环三聚铝烷)的合成、表征及反应性研究的化学学术长文本,涵盖合成方法、晶体结构数据、DFT计算能量学分析、电子结构表征(NBO、QTAIM、ELF)以及与多种底物的反应性研究等内容。请仔细阅读附件全文,计算一个环三聚铝烷解离为一个二铝烯片段与一个铝烯单体时的吉布斯自由能变化 ΔG\Delta G(单位:kcal·mol⁻¹,保留一位小数)。请给出完整的推导过程和最终数值结果。

#ICL-010医疗病例内容理解与总结中文
CONTEXT LENGTH
~8,759 tokens(8,759)
PROMPT

Role 你是一名呼吸与危重症医师,负责管理一位患有多种合并症(慢阻肺、高血压、冠心病PCI术后、2型糖尿病、慢性肾脏病)的住院患者。 Task 只允许使用本文给出的病例资料完成推理与决策;不允许查阅网络资料、引用或引入外部指南/文献/阈值/药物清单,也不允许新增本文未出现的症状、体征、检查结果与时间点。所有结论必须能在本文病历中找到对应依据。 Output Contract 请分步骤进行线性推理分析(无需抽象理论),回答以下 3 个问题(必须按1–3编号输出): 诊断与病程分析 唯一明确的最终诊断是什么?(必须用本文证据形成闭环) 按时间推进描述病程演变,指出关键转折点及其客观指标。 核心临床问题及主要诊断线索是什么?从指定检查中...

LICENSE内容基于公开临床指南整合改编,无版权纠纷
#ICL-011医疗判断疾病-因果逻辑推断中文
CONTEXT LENGTH
~13K tokens(12,768)
PROMPT

Role 你是一名乳腺外科/肿瘤内科联合病房的住院医师,负责管理一位合并高血压、2型糖尿病(血糖波动)、低白蛋白倾向、近期发热与气促的住院女性患者。患者以“右乳弥漫性红肿热痛+橘皮样改变、抗感染效果差、腋窝肿块、近期气促”入院,已完成乳腺超声、乳腺MRI增强、胸部CT及乳房/皮肤活检等检查,并有两次复查(T+14天、T+8周)资料可用。 Task 只允许使用本文给出的病历原文信息完成判断与因果推断;不允许查阅网络资料、引用外部指南/阈值/文献;不允许新增病历中未出现的症状、体征、检查结果或时间点。 所有结论必须能在病历原文中找到对应依据;涉及“可能/更像”的判断必须明确写出:依据来自哪里(原文句子或原文数值)、证据强弱(影像/病理/...

LICENSE内容基于公开临床指南整合改编,无版权纠纷
#ICL-012医疗治疗用药-个性化方案生成中文
CONTEXT LENGTH
~6,890 tokens(6,890)
PROMPT

Role

你是一名肾内科专科医师,为合并高血压、痛风的慢性肾脏病 3b 期患者制定诊疗方案,包含控制目标、初始药物治疗及监测计划。

Task

仅依据慢性肾脏病、高血压、痛风领域的核心临床诊疗指南与高质量研究证据,选择该特定患者的最佳血压 / 血尿酸控制目标、初始药物治疗方案及用药监测计划,并明确控制目标的制定依据,不可以查阅网络资料或其他外部文献。该患者的血压控制目标和血尿酸控制目标分别是什么(需说明依据)?请为其制定初始药物治疗方案,另外药物治疗过程中需要重点监测哪些指标及对应监测频率?

Reasoning Boundary

你必须仅使用肾内科、高血压、痛风领域的核心临床证据,不得依赖无关专科的临床知识。若存在指南推荐冲...

LICENSE内容基于公开临床指南整合改编,无版权纠纷
02

Search & Deep Research

开放、复杂推理的专业领域的搜索/深度研究数据,提升模型多轮搜索、复杂推理、信息整合等能力。

PromptGolden ResponseRubrics

Deepresearch

#DR-001金融金融市场与投资
DIFFICULTY中等难度——日常/工作场景
PROMPT
当前时间为2026年3月8日,我手头有50万闲置资金,之前一直买银行理财,现在年化收益只有1.5%左右。2025年底的时候听说美联储已经结束缩表开始再投资,国内也在降准降息,债市科技板也推出来了。 我想把这50万重新配置一下,3年内不会动用,能承受小幅波动但不希望亏本金。请帮我分析:当前这种"海外宽松、国内也宽松"的环境下,债基还能买吗?是不是应该配点别的?具体该怎么分配比例? 希望结合2025年底到2026年初的最新政策变化来分析,告诉我为什么这么配。
#DR-002金融金融市场与投资
DIFFICULTY高难度——专业/科研场景
PROMPT
当前时间为2026年3月8日,我是一家中东主权财富基金(AUM约1200亿美元)资产配置委员会的顾问。当前面临的核心挑战是:2025年特朗普"对等关税"政策引发全球贸易体系重构,2026年2月28日美以军事打击伊朗导致中东地缘政治风险急剧升温,传统股债相关性持续高企(富达2026年展望指出通胀结构性维持高位导致股债同向波动风险),且美元信用地位出现动摇迹象(2025年美元指数下跌约10%,黄金一度突破5600美元/盎司)。 我需要为2026年二季度投资委员会准备一份战略资产配置(SAA)调整建议书,核心议题是:在地缘政治冲突常态化、美元武器化风险上升、全球贸易碎片化加速的背景下,如何重构"后美元霸权"时代的资产配置范式? 请重点分析...

Search

#SEARCH-001分析决策
PROMPT
去看3D电影,我说选个中间靠后点的位置,朋友说要选个中间靠前点的位置,谁说得对?
#SEARCH-002分析决策
PROMPT
体检发现胆囊息肉小于5毫米,在定期超声随访与预防性胆囊切除中应如何选择?
#SEARCH-003分析决策
PROMPT
老年人便秘,乳果糖与聚乙二醇,哪个对合并糖尿病患者更安全?
#SEARCH-004how-to
PROMPT
确诊非酒精性脂肪肝且肝功能正常,应如何通过无创手段评估纤维化风险并确定随访频率?
#SEARCH-005分析决策
PROMPT
运动后出现短暂视物模糊,这种情况应视为正常反应还是需要评估?
#SEARCH-006开放推荐
PROMPT
推荐一下重庆区县及周边城市的三天两夜游
#SEARCH-007分析决策
PROMPT
女生一个人这周去徐州龟山汉墓参观,安全性、体力负担和出行注意事项有哪些,建议结伴而行吗?
03

Coding

TerminalBench

挑战模型:Claude opus 4.515min Pass@4 = (0, 0.5]
#CODING-001

legacy-data-pipeline-modernization

legacy-data-pipeline-modernization.zip
完整任务包以 zip 形式提供,包含运行环境、测试脚本与评分标准。
#CODING-002

network-failover-simulator

network-failover-simulator.zip
完整任务包以 zip 形式提供,包含运行环境、测试脚本与评分标准。
#CODING-003

rogue-root-ca-detector-and-mitm-simulator

rogue-root-ca-detector-and-mitm-simulator.zip
完整任务包以 zip 形式提供,包含运行环境、测试脚本与评分标准。
04

VLM Reasoning

复杂空间几何推理,针对细小零件不同视角的空间理解

挑战模型:Seed 2.0 Pro高推理模式 Pass@3 = [0, 0.33]
#VLM-001
工程图纸 (主视图 / 俯视图 / 选项 A–G)
SRC: XYF-零件-184.dwgCAD: XYF-零件-184.STEP
PROMPT
请根据提供的主视图与俯视图,从A到G这7个选项中选出正确的左视图
#VLM-002
工程图纸 (主视图 / 俯视图 / 选项 A–G)
SRC: hlp-零件-98.DWGCAD: hlp-零件立体图-98.STEP
PROMPT
请根据提供的主视图与俯视图,从A到G这7个选项中选出正确的左视图
05

Agentic

通过构建与积累高质量 RL 训练数据,提升模型的Skill 调用执行能力与任务交付能力。

专业垂类Skills - 法律

数据准备中...

通用方向Skills - 办公场景

数据准备中...
06

AI for Science

SFE/MicroVQA

挑战模型:Seed 2.0 ProPass@5 = 0
#AFS-001气象学
科学图像 (谱图 / 风场图 / 结构式)
PROMPT

图是模式对一段时间的低层纬向风预报(包含前期实况),根据图片判断下列选项正确的是:A.10月中下旬中太平洋存在弱的湿区 B.这是一次较强的BSISO事件 C.11月开始,西太远洋200hpa转为异常辐散 D.这种形势不太可能出现在强拉尼娜的盛期

#AFS-002气象学
科学图像 (谱图 / 风场图 / 结构式)
PROMPT

图为2025年5月中旬中期的GFS预报的平均纬向风、德华庞特波罗通量矢量与散度图,则选项中不正确的是A.中高纬的上传行星波在对流层中层变为水平分量主导,传播方向被纬向风折射至北方。 B.赤道由于较弱的东西风交替,导致EP流散度在低纬度相较于高纬度通常不明显。 C.在50°S上,西风的强度随着高度降低逐渐递减。 D.波力矩较为强势,代表行星波传播强烈,平流层爆发性增温将在未来几周后出现。

#AFS-003化学
科学图像 (谱图 / 风场图 / 结构式)
PROMPT

请根据H1-NMR谱图推算其化学结构,以SMILES格式输出。

#AFS-004化学
科学图像 (谱图 / 风场图 / 结构式)
PROMPT

请根据图片中的化学结构,计算其cLogP,精确到小数点后2位。

想看更多?

以上仅为公开展示的少量样本。如需了解完整数据集或定制数据方案,欢迎联系我们。

联系我们