{"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":"c056d800-4d65-5ce7-b174-161923757e3b","task_key":"te--test--c056d800-4d65-5ce7-b174-161923757e3b","task_revision_id":"1","upstream_id":"","short_description":"ఒక క్రాస్‌వర్డ్ పజిల్ పూర్తి చేయడానికి కార్‌మెన్‌కు10 నిమిషాలు మరియు సుడోకు…","config":"te","split":"test","body":"{\"question\":\"ఒక క్రాస్‌వర్డ్ పజిల్ పూర్తి చేయడానికి కార్‌మెన్‌కు10 నిమిషాలు మరియు సుడోకు పజిల్ పూర్తి చేయడానికి 5 నిమిషాలు పడుతుంది. వారాంతంలో ఆమె 3 క్రాస్‌వర్డ్ పజిల్స్‌ని మరియు 8 సుడోకు పజిల్స్‌ని సాధించింది. ఆమె ఈ గేమ్‌లను ఆడటంలో ఎంత సమయం గడిపింది?\"}","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":[]}