{"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":"8e6a267f-6670-565d-9da4-b5d535675fdc","task_key":"te--test--8e6a267f-6670-565d-9da4-b5d535675fdc","task_revision_id":"1","upstream_id":"","short_description":"మైక్ 40 నిమిషాలపాటు పింగ్‌ పాంగ్ ఆడతాడు. మొదటి 20 నిమిషాల్లో, అతడు 4 పాయింట్‌ల…","config":"te","split":"test","body":"{\"question\":\"మైక్ 40 నిమిషాలపాటు పింగ్‌ పాంగ్ ఆడతాడు. మొదటి 20 నిమిషాల్లో, అతడు 4 పాయింట్‌ల స్కోరు చేశాడు. రెండో 20 నిమిషాల్లో, అతడు 25% ఎక్కువ పాయింట్‌లను స్కోరు చేశాడు. అతడు మొత్తం ఎన్ని సార్లు స్కోరు చేశాడు?\"}","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":[]}