{"kind":"task","effective_mode":"full","benchmark":{"kind":"benchmark","effective_mode":"full","slug":"mgsm","formal_name":"MGSM","introduction":"MGSM is a human translation of 250 GSM8K problems into eleven languages, measuring whether reasoning survives the change of language. The gap against English is the multilingual signal.","introduction_ja":"","introduction_en":"","category":"Category not supplied","task_count":null,"acquisition_status":"Acquisition status not supplied","official_url":"https://github.com/google-research/url-nlp","indexing_mode":"index","profile":{"resources":[],"task_format":"","scoring":"","metric":"","size":"","answer_access":"","license":"","citation":"","maintainer":"","released":"","why_hard":"","related":[],"history":"","construction":"","limitations":"","saturation":"","scores":[]}},"task_id":"38f7182b-bad5-59b4-98ce-9f83fce64a21","task_key":"te--test--38f7182b-bad5-59b4-98ce-9f83fce64a21","task_revision_id":"1","upstream_id":"","short_description":"మెరిడిత్ ఒక ఫ్రీలాన్స్ బ్లాగర్, ఆమె శాశ్వత ఉద్యోగంగా ప్రతిరోజూ వైద్యవిషయాల…","config":"te","split":"test","body":"{\"question\":\"మెరిడిత్ ఒక ఫ్రీలాన్స్ బ్లాగర్, ఆమె శాశ్వత ఉద్యోగంగా ప్రతిరోజూ వైద్యవిషయాల గురించి రాసి, క్లయింట్‌లకు సబ్మిట్ చేస్తుంది. ఒక బ్లాగ్ కథనం గురించి పరిశోధించి, రాయడానికి సుమారుగా 4 గంటలు పడుతుంది. గత వారం, ఆమె సోమవారం నాడు 5 కథనాలు రాసింది, మంగళవారంనాడు సోమవారం కంటే 2/5 రెట్లు ఎక్కువ కథనాలను రాసింది. బుధవారం నాడు, ఆమె మంగళవారం నాటికంటే రెట్టింపు సంఖ్యలో కథనాలను రాసింది. ఆమె మూడురోజుల్లో కథనాలను రాయడానికి గడిపిన మొత్తం గంటల సంఖ్యను లెక్కించండి.\"}","display_format":"math","language":"","answer_status":"published","assets":[],"source_url":"https://github.com/google-research/url-nlp","history":"initial import","indexing_mode":"index","subproblems":[],"grids":[]}