PolyMath 是由阿里巴巴千问团队联合上海交通大学于 2025 年发布的一个多语言数学推理评测数据集，相关论文成果为「PolyMath: Evaluating Mathematical Reasoning in Multilingual Contexts」，并已入选 NeurIPS 2025 Datasets and Benchmarks，旨在系统评估大语言模型在多语种条件下的数学理解、推理深度与跨语言一致性表现。

该数据集包含 500 道高质量的数学推理题，每个难度级别提供 125 道题，覆盖 18 种语言与 4 个难度等级，其中 18 种平行语种版本兼顾高资源与低资源语言，覆盖全球超过 75% 的母语人口；难度范围从基础的 K–12 数学延伸至奥林匹克与前沿数学领域，从而构建了一个高质量、多维度、强辨识度的数学推理评测体系。

数据集分布：

• 题目数量与分布：每种语言在各难度级均提供 125 道题目，形成均衡的难度组成。
• 难度划分标准：根据「思维深度（Thought Depth）」与「知识广度（Knowledge Breadth）」进行四级划分：
  • Level 1：基础（K–12）
  • Level 2：进阶（高中到高年级）
  • Level 3：高难（奥赛级别）
  • Level 4：前沿（高等数学与研究级推理）