数学推理是人类智能的一项核心能力，但对于机器来说，抽象思维和逻辑推理仍然是一个很大的挑战。大规模预训练语言模型，如GPT-3和GPT-4，在文本形式的数学推理（如数学应用题）上已经取得了显著的进展。然而，目前我们还不清楚这些模型能否处理涉及到异构信息（如表格数据）的更复杂的问题。为了填补这一空白，来自UCLA和艾伦人工智能研究院（AI2）的研究人员推出了TabularMathWordProblems(TabMWP)，这是一个包含了38,431个开放领域问题的数据集，需要同时在文本和表格数据上进行数学推理得到正确答案。TabMWP中的每个问题都与一个上下文相关联，这个上下文包含图片、文本或结构化
