NuminaMath-CoT AI-MO
Dataset Card for NuminaMath CoT Dataset Summary Approximately 860k math problems, where each solution is formatted in a Chain of Thought (CoT) manner. The sources of the dataset range from Chinese high school math exercises to US and international mathematics olympiad competition problems. The data were primarily collected from online exam paper PDFs and mathematics discussion forums. The processing steps include (a) OCR from the original PDFs, (b) segmentation… See the full description on the dataset page: https://huggingface.co/datasets/AI-MO/NuminaMath-CoT.
- 種別
- dataset
- ライセンス
- apache-2.0
- 言語
- en
- ダウンロード
- 86,779
- いいね
- 595
- アクセス
- public
- ファイル
- 0
タグ
- 数学
- 指示微调整
- 対話データ
- テキスト生成
- 大規模データセット
- 事前学習コーパス
- 强化学习
- 評価データ
概要
NuminaMath-CoTは、数学問題とそのChain of Thought（思考連鎖）形式の解答を約86万件収録した大規模データセットです。中国の高校数学演習から米国・国際数学オリンピック問題まで幅広いソースを網羅し、OCR処理、英語翻訳、CoT形式への再構築を経て構築されています。大規模言語モデルの数学推論能力の教師あり微調整（SFT）や強化学習に適した対話形式データとして利用できます。
README
--- dataset_info: features: - name: source dtype: string - name: problem dtype: string - name: solution dtype: string - name: messages list: - name: content dtype: string - name: role dtype: string splits: - name: train num_bytes: 2495457595.0398345 num_examples: 859494 - name: test num_bytes: 2903…