※本データセットはオンライン利用に対応しておりますが、ここをクリックしてジャンプしてください。

LoongBenchは、CAMEL-AIチームが2025年にリリースしたマルチドメイン推論評価データセットです。関連する論文の結果は次のとおりです。Loong: 検証者を通じて大規模な長い思考の連鎖を統合する」は、LLM にマルチドメインの検証可能なトレーニングおよび評価リソースを提供することを目的としています。

このデータセットには、自然言語で表現された8,729件の質問が含まれており、高度な数学、高度な物理学、化学、計算生物学、プログラミングなど、推論を多用する12の分野を網羅しています。各サンプルには、実行可能コードと検証済みの回答だけでなく、問題文、詳細な推論プロセス、最終的な解答、メタデータ（質問IDとドメイン情報）とドメインラベルも含まれています。クロスドメイン推論能力のトレーニングとベンチマークに適しています。