Biologia, química, física e computação

Licence, source et attribution

Découvrez l’origine de ce paquet et les conditions pour l’utiliser ou le partager.

Licence

MIT License MIT

Attribution

Source : https://huggingface.co/datasets/openai/MMMLU — Licence : MIT License (https://opensource.org/licenses/MIT)

Source

MMMLU — Multilingual Massive Multitask Language Understanding (OpenAI)

Récupéré le

2026-08-05

Thème

Sciences

Langue

Português (Brasil)

Version

3

Mis à jour le

2026-08-05

Ce paquet a été modifié lors de son intégration : Cada pergunta do MMLU é uma questão de múltipla escolha: quatro opções e uma letra como resposta. A Memoquiz resolveu a letra, escreveu a opção certa por extenso no verso e descartou as três erradas — uma carta que responde «B» não ensina nada. Foram mantidas duas formas de enunciado. A primeira é a pergunta que termina em ponto de interrogação. A segunda é a definição invertida, isto é, o enunciado que termina por uma expressão que nomeia («é chamado de», «é conhecido como», «denomina-se», «recebe o nome de»): a lista dessas expressões é fechada, porque só elas admitem uma única continuação. Nesses enunciados a Memoquiz acrescentou reticências no final — «…» — para que a carta se leia como a frase a completar que é; essa é a única inserção de caractere feita no corpus. Foram descartadas as perguntas que não se sustentam sem as opções: remissão a uma figura, a uma tabela, a um texto, a um artigo ou à própria lista de opções; perguntas negativas; enunciados com mais de um ponto de interrogação, com mais de 300 caracteres ou que terminam em preposição; exercícios de contagem e de cálculo; enunciados datados («atualmente», «nos últimos anos»); e respostas que sozinhas nada significam (um número, uma grandeza com unidade, um intervalo, uma ordem, um verdadeiro/falso). Onze matérias inteiras ficaram de fora: as seis de matemática e estatística, a álgebra abstrata, a lógica formal, o direito profissional norte-americano, a medicina profissional (feita de casos clínicos longos), os fatos globais (estatísticas datadas), os cenários morais e a virologia. Foram ainda retiradas as 792 questões que o Global-MMLU marca como culturalmente exigentes («CS»), as que exigem conhecer os Estados Unidos, e as que já constam de outros pacotes do catálogo em português do Brasil. Todas as cartas candidatas foram lidas uma a uma; as que traziam erro de fato, tradução quebrada ou resposta que não corresponde ao enunciado foram nomeadamente excluídas. As perguntas mantidas são reproduzidas palavra por palavra, sem reescrita. Só foram normalizados: quebras de linha e espaços múltiplos reduzidos a um espaço simples, entidades HTML decodificadas, ligaduras tipográficas decompostas e índices químicos restituídos (CO2 passou a CO₂, MgSO4 a MgSO₄). A configuração lida é PT-BR, já traduzida para o português do Brasil por tradutores humanos profissionais: nenhuma normalização a partir do português europeu foi feita, nem era necessária. As matérias são agrupadas por tema e cada pacote é limitado a 200 cartas, distribuídas entre as matérias por rodízio.