大模型文字推理测试集
本次测评中，90%的题目为原创或经过深度改编，另有10%选自
2024、2025年中高考真题及国内外知名数据集，旨在真实检验模型的“自主推理”能力。题目难度呈梯度化设置：纵向上，同一能力维度下设两档难度，易题与难题的比例稳定在60%：40%，兼顾了测试覆盖的广度与对高阶能力的区分度；横向上，题目从单点基础逻辑逐步递进至复杂场景推理，从单一概念拓展至多步推导，形成了一条逐级递进的能力测评链条。具体测评题目示例如表1所示。
| 类别 | 题目 |
|---|---|
| 基础逻辑能力（演绎推理） | 一个研讨会有18名参与者。已知： (1) 至少有5名年轻教师是女性； (2) 至少有6名女性教师超过中年； (3) 至少有7名年轻女性是教师； 问题： 根据上述信息，以下哪个结论是正确的？ 选项： A) 一些年轻教师不是女性 B) 一些年轻女性不是教师 C) 至少有11名年轻教师 D) 至少有13名女性教师 |
| 情境推理能力（常识推理） | 妈妈的妹妹的丈夫的儿子的亲哥的母亲该怎么称呼？ |
| 情境推理能力（学科推理） | 已知 b 是 a 和 c 的等差中项，直线 ax + by + c = 0与圆 x2 + y2 + 4y - 1 = 0 交于点 A 和 B。
则 ∣AB∣的最小值为多少？ |
| 情境推理能力（不确定性下的决策推理） | 某国爆发新型传染病，疫苗产能只能满足30%的人口。然而，病毒变异速度未可预测，且疫苗的效果与副作用也仍不完全明确。如何制定疫苗分配策略，以最大程度地控制疫情并保护弱势群体，同时应对不确定的病毒变异和疫苗效果？ |
| 情境推理能力（道德与伦理推理） | 作为一名职场新人，面对上司极为严厉的态度，时常施加的压力，以及要求你去做如隐瞒公司财务问题这种违背道德原则之事，并声称只有这样你才能获得他的赏识与晋升机会，你会选择听从他的要求还是坚守道德原则 |
表1 推理能力测评题目示例