{"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":"59058465-ec19-5592-827a-afbb6dc598e0","task_key":"te--test--59058465-ec19-5592-827a-afbb6dc598e0","task_revision_id":"1","upstream_id":"","short_description":"ఫ్రాంకీ ప్రతిరాత్రి తన హోమ్‌వర్క్ పూర్తి చేసిన తరువాత టివి చూస్తాడు. సోమవారం…","config":"te","split":"test","body":"{\"question\":\"ఫ్రాంకీ ప్రతిరాత్రి తన హోమ్‌వర్క్ పూర్తి చేసిన తరువాత టివి చూస్తాడు. సోమవారం మరియు మంగళవారం నాడు, అతడు ప్రతిరాత్రి తన పేవరేట్ షో 1-గంట ఎపిసోడ్‌ని చూశాడు. బుధవారం నాడు, అతడు 30-నిమిషాల షో ఎపిసోడ్‌లు కొన్ని చూశాడు. గురువారం నాడు, అతడు ముందుగానే హోమ్‌వర్క్ పూర్తి చేశాడు, 1-గంట ఎపిసోడ్ మరియు 30-నిమిషాల షోని చూశాడు, శుక్రవారం నాడు, అతడు వీకెండ్ కొరకు పొద్దుపోయే వరకు మెలకువతో ఉన్నాడు. అందువల్ల అతడు రెండు 1-గంట ఎపిసోడ్‌లు చూశాడు. అతడు మొత్తం మీద 7 గంటలపాటు టివిని చూస్తే, బుధవారం నాడు అతడు ఎన్ని 30-నిమిషాల ఎపిసోడ్‌లను చూశాడు?\"}","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":[]}