prontoqa 是数据集领域的开源项目，由 asaparov 开发，2022 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 168。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。开源数据集，Apache-2.0 许可证，完全免费使用。
它主要面向的使用场景是：评估大语言模型的逻辑推理能力。同类可对比的替代方案包括 GSM8K、StrategyQA、BIG-bench。
GitHub 星标
★ 168
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队asaparov
所属国家
定价模式free
价格说明开源数据集，Apache-2.0 许可证，完全免费使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型dataset-generation,large-language-models,question-answering
GitHub 星标★ 168
30天Star增速
HF 下载量
上线时间2022-07-01 00:00:00
最近更新2026-09-18 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6
使用教程
核心亮点
- 合成数据可控性强，能精确设计推理路径和干扰项
- 专门针对思维链分析，支持细粒度的推理步骤评估
- 数据生成代码开源，易于扩展和定制
不足之处
- 合成数据与真实世界问题存在分布差异
- 文档/社区待观察
适用场景
- 评估大语言模型的逻辑推理能力
- 研究思维链生成过程中的错误模式
- 对比不同模型在结构化推理任务上的表现
替代项目
GSM8K、StrategyQA、BIG-bench
项目介绍
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models