【持续更新中!数学数据集汇总】天才博士陶哲轩力荐数据集!含代码、中文竞赛题目、正向逆向问答对等

自然语言处理数据集(初中和高中数学) 自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学)自然语言处理数据集(初中和高中数学) 立即下载
AI摘要

著名数学家陶哲轩在其博客上发布了AIforMathResourses资源清单,汇集了多个机构发布的数学相关数据集,如OpenWebMath、Ape210K等,这些数据集有助于推动人工智能在数学领域的应用和发展。

上周,著名数学家陶哲轩在个人博客中发布了「AI for Math Resourses」的资源清单,旨在为那些有意进入人工智能数学领域的人提供帮助,这份清单由「人工智能辅助数学推理」研讨会整理。该研讨会由美国国家科学院、工程院和医学院共同组织,陶哲轩担任该研讨会的主持人。

这份清单文档尚未最终定稿,陶哲轩及其他研究者仍在不断完善中。HyperAI超神经从中筛选出了部分数据集供大家下载使用, 除此之外,还为大家补充汇总了其他数学方面的数据集,助力 AI for Math。

1.OpenWebMath 网络数学数据集

发布机构: 多伦多大学、剑桥大学等

发布时间: 2023 年

预估大小: 44.21 GB

下载地址:https://go.hyper.ai/erQGZ

OpenWebMath 包含了来自互联网的大部分高质量数学文本。它是从 Common Crawl 上超过 200B 个 HTML 文件中过滤和提取的,最终形成一组 630 万个文档,总共包含 14.7B 个 tokens。

2.Ape210K 中国小学水平数学问题

发布机构: 猿辅导 AI Lab、西北大学

发布时间: 2020 年

预估大小: 78.43 MB

下载地址:https://go.hyper.ai/SL5to

Ape210K 是一个大规模且模板丰富的数学单词问题数据集,包含 210K 个中国小学水平的数学问题,每个问题都包含最佳答案和得出答案所需的方程式。

3.Proof-Pile-2数学数据集

发布机构: 普林斯顿大学

发布时间: 2023 年

预估大小: 47.57 GB

下载地址:https://go.hyper.ai/TXmiP

Proof-Pile-2 是一个包含 550 亿个数学和科学文档的 token 数据集,融合了科学论文、数学相关的网络内容和数学代码,其知识截止于 2023 年 4 月。

4.Orca-Math-200K 数学问题数据集

发布机构: 微软

发布时间: 2024 年

预估大小: 70.88 MB

下载地址:https://go.hyper.ai/o4pMG

Orca-Math-200K 是微软创建的高质量数学问题数据集,包含约 20 万小学数学题目,此数据集中的所有答案都是使用 Azure GPT4-Turbo 生成的。

5.Mizar 数学数据集

发布机构: Mizar

发布时间: 2018 年

下载地址:https://go.hyper.ai/I8pi6

Mizar 是一个基于 Mizar 语言的数学形式化库,它是由许多作者和维护者多年创建修改而成的。目前为止,Mizar 语言系统已形成一个庞大的 Mizar Mathematical Library,它为今后讨论数学及其相关问题奠定了良好的基础。

6.Math23K 数学单词问题解决数据集

发布机构: Tencent AI Lab

发布时间: 2017 年

预估大小: 8.36 MB

下载地址:https://go.hyper.ai/2YsRR

Math23K 是为解决数学单词问题而创建的数据集,包含从互联网上爬取的 23,162 个中文问题。

7.MathVista 数学推理数据集

发布机构: 微软、华盛顿大学

发布时间: 2023 年

预估大小: 1.61 GB

下载地址:https://go.hyper.ai/GHNsf

MathVista 是视觉环境中的综合数学推理基准。它由三个新创建的数据集 IQTest 、 FunctionQA 和 PaperQA 组成,它们可以分别用于评估拼图测试图的逻辑推理、功能图的代数推理以及学术论文图的科学推理。

8.MetaMathQA 数学推理数据集

发布机构: 华为、剑桥大学

发布时间: 2023 年

预估大小: 84.34 MB

下载地址:https://go.hyper.ai/Vy2iw

MetaMathQA 是一个覆盖面广、质量高的数学推理数据集,由 395K 个大语言模型生成的正向逆向数学问答对组成。

9.AlgoPuzzleVQA 多模态算法谜题数据集

发布机构: 新加坡科技设计大学

发布时间: 2024 年

预估大小: 157.85 MB

下载地址:https://go.hyper.ai/mmzdn

该数据集包含 18 种不同的谜题,涵盖了诸如布尔逻辑、组合学、图论、优化、搜索等多样化的数学和算法主题。该数据集通过自动化的方式从人类编写的代码生成谜题,确保了数据集可以任意扩展推理复杂性和数据集大小。

10.TAL-SCQ5K 中文数学竞赛数据集

发布机构: 好未来

发布时间: 2023 年

预估大小: 11.4 MB

下载地址:https://go.hyper.ai/ZuYTB

11.NuminaMath-CoT 数学竞赛问题数据集

发布机构: AI-MO

发布时间: 2024 年

下载地址:https://go.hyper.ai/erKEF

该数据集是 AI-MO 于 2024 年提出,包含 860k+ 数学竞赛问题-解答对,每个解答都使用了思维链 (Chain of Thought, CoT) 推理模板。数据集的来源包括中国高中数学练习题、美国和国际数学奥林匹克竞赛题。数据主要收集自在线试卷 PDF 和数学讨论论坛。处理步骤包括 (a) 从原始 PDF 进行 OCR,(b) 分割成问题-解决方案对,© 翻译成英文,(d) 重新调整以生成 CoT 推理格式,以及 (e) 最终答案格式。


以上就是 HyperAI超神经为大家汇总的 10 个数学分类数据集,如果你有想要收录 hyper.ai 官方网站的资源,也欢迎留言或投稿告诉我们哦!

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区, 致力于成为国内数据科学领域的基础设施,为国内开发者提供丰富、优质的公共资源,截至目前已经:

  • 为 1200+ 公开数据集提供国内加速下载节点

  • 收录 300+ 经典及流行在线教程

  • 解读 100+ AI4Science 论文案例

  • 支持 500+ 相关词条查询

  • 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅:

https://hyper.ai/

自然语言处理数据集——高中数学学科 提供高中数学学科的知识数据集,包含2232个样本和2399个实体,提供了基于该数据集的实体关系数据库(一共12种关系,11250个实体关系对)。该数据集可用于基于高中数学学科的知识图谱的构建,包含命名实体识别、实体关系抽取、文本分类等任务。 立即下载

相关推荐

Ape210K 中国小学水平数学问题

Ape210K 是一个新的大规模和模板丰富的数学单词问题数据集,包含 210K 个中国小学水平的数学问题。每个问题都包含最佳答案和得出答案所需的方程式。 Ape210K 具有更大的多样性,有 56K 个模板,是 Math23K 的 25 倍。分析表明,解决 Ape210K 不仅需要自然语言理解,还需要常识知识。

机器学习系统能在多大程度上理解数学

文章提出了 LLEMMA,一个专注于数学领域的大型语言模型。通过在 Proof-Pile-2 上对 Code Llama 继续进行预训练,从而得到 LLEMMA。其中 Proof-Pile-2 是由科学论文、包含数学内容的网络数据和数学代码混合的数据集。此外,Llemma 能够使用工具和进行形式定理证明,而无需任何微调。在 MATH 基准测试中,LLEMMA 超越了所有已知的公开发布的模型,甚至在参数相同的情况下也超过了未公开发布的 Minerva 模型系列。他们公开发布了所有工件,包括 7B 和 34B

weixin_43564920的博客 1550

通达信K线主图指标公式实战:如何用颜色标记快速识别涨停与炸板信号

本文详细介绍了如何利用通达信K线主图指标公式,通过颜色标记快速识别涨停与炸板等关键信号。通过实战拆解公式源码,手把手教您构建直观的“视觉交易系统”,将复杂的K线形态转化为醒目的颜色信号,帮助投资者高效聚焦机会与风险,提升技术分析效率。

weixin_29302047的博客 1790

大模型微调新突破!23个最新创新方案,全面提升模型性能!

是指在已经预训练好的大型语言模型基础上,使用特定的数据集进行进一步的训练,以使模型适应特定任务或领域。是最近两年在深度学习领域快速发展的一个研究领域,相对于从头训练一个大模型可以极大降低成本。近年来,多项优秀的大模型微调方法被提出,也有不少研究者们对已有的方法进行了改进与创新,创造出一系列新颖的大模型技术,并在不同的研究领域得到广泛的应用。4-bit NormalFloat (NF4):一种针对正态分布权重信息论最优的新数据类型,与4位整数和4位浮点数相比,具有更好的经验结果。

python12345678_的博客 1960

kettle多表数据迁移

点击 文件——新建——作业,在左侧的 核心对象 标签下选择 通用,双击添加一个 start ,一个 转换 ,一个 作业 和一个 成功 到右侧的作业面板,这些作业项都可以改名字。点击文件—新建—转换,在左侧的 核心对象 标签下选择 输入 下的 表输入,双击添加到右侧的转换面板,再选择 作业 下的 复制记录到结果 ,双击添加到右侧的转换面板。新建转换,在左侧的 核心对象 标签下选择 作业 下的 从结果获取记录,双击添加到右侧的转换面板,再选择 作业 下的 设置变量 ,双击添加到右侧的转换面板。

u014061745的博客 1344

三、分区配置

rk3566/rk3568 修改分区

暮云星影的博客 518

DeepseekMath:超强开源数学模型(论文详解)

在本研究中,作者引入了DeepSeekMath,这是一个特定于领域的语言模型,它的数学性能显著优于开源模型,在学术基准测试中接近GPT-4的性能水平。为了实现这一目标,作者创建了DeepSeekMath语料库,这是一个包含120 B个数学标记的大规模高质量预训练语料库。在初始迭代中,使用OpenWebMath中的实例来训练分类器作为正面例子,同时纳入了其他网页的多样化选择作为负面例子。随后,使用基于fastText的分类器从Common Crawl中挖掘额外的正实例,这些正实例通过人工标注进一步细化。

sherlockMa的博客 1万+

基于simulink的电动汽车电机驱动系统IGBT开路故障检测

本文介绍了基于Simulink的电动汽车电机驱动系统IGBT开路故障检测方法。通过搭建永磁同步电机(PMSM)驱动系统模型,实现IGBT开路故障注入,并设计基于电流平均值与PWM逻辑比较的故障检测算法。系统可实时采集三相电流信号,通过MATLAB Function模块实现故障诊断,当检测到PWM信号与电流不匹配时输出故障报警。仿真结果显示,系统能在2.05秒内准确识别A相上管开路故障,并通过Scope和XYGraph直观展示故障特征。该方法为电动汽车电力电子系统故障诊断与容错控制提供了实用解决方案,后续可扩

xiaoheshang_123的博客 152

探索数学世界的智慧钥匙:Ape210K

探索数学世界的智慧钥匙:Ape210K 在人工智能与教育的交界处,有一把解锁数学难题的智慧钥匙正等待着每一位探索者——Ape210K。这不仅是一个开源项目,更是连接理论与实践,推动机器理解语言复杂性的强大工具。 项目介绍 Ape210K是迄今为止最丰富且规模庞大的数学应用问题(Math Word Problem, MWP)数据集之一。它包含了惊人的210,488道题目和56,532个模板,设计用于...

gitblog_00088的博客 707

基于C++和Qt开发IEC104规约主站调试软件(第二章)

本章节主要讲解iec104主站软件界面设计和从站的连接功能以及部分功能代码的展示。

半青年的博客 862

实现画布拖拽算子排布,通过flink实现算子编排计算,如何实现?

🏆本文收录于 《全栈 Bug 调优(实战版)》 专栏。专栏聚焦真实项目中的各类疑难 Bug,从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解,形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者,还是负责复杂项目的资深工程师,都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论,助你稳步进阶、放大技术价值 。

**My Coding Family** 1072

MetaMath 项目使用教程

MetaMath 项目使用教程 1. 项目介绍 MetaMath 是一个用于生成数学问题的大型语言模型(LLM)项目。该项目旨在通过自举方式生成数学问题,以提升模型的数学推理能力。MetaMath 提供了多种模型,包括 MetaMath-7B、MetaMath-13B 和 MetaMath-70B,这些模型在 GSM8k 和 MATH 基准测试中表现优异,超越了现有的开源 LLM 模型。 2. 项...

gitblog_00379的博客 877

【Claude】API Error 通用错误:错误码含义与标准排查流程 bug报错已解决

Claude API 各类错误码速查与标准排查流程。

博客 8246

APE210K Baseline: 深度学习文本检测与识别的新里程

APE210K Baseline: 深度学习文本检测与识别的新里程 是一个由著名开发者 bojone 创建的开源项目,旨在提供一种高效且准确的文本检测和识别(OCR)解决方案。该项目基于深度学习技术,特别针对中文文本进行了优化,为开发者提供了易于理解和使用的代码库,以帮助他们快速构建自己的文本处理应用。 项目简介 APE210K Baseline 主要围绕两个核心任务:文本检测(Text Dete...

gitblog_00010的博客 604

【雕爷学编程】Arduino智能家居之DS18B20温度传感器

1、温度和湿度控制:通过连接温度传感器和湿度传感器,Arduino可以实时监测室内环境的温度和湿度,并通过控制空调、加热器或加湿器等执行器,实现室内温湿度的自动调节。设计用户友好的界面和操作方式,提供简单直观的控制和反馈机制,以及考虑用户习惯和需求,能够提升系统的整体用户体验。这意味着用户可以根据自己的需求和创意,自定义和定制智能家居系统的功能和外观。5、能源管理:Arduino可以与电能监测模块和智能插座等设备结合使用,实时监测家庭能源的使用情况,并通过自动控制电器设备的开关,实现能源的有效管理和节约。

雕爷学编程 2878

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

DebugSwift触摸指示器:终极iOS应用交互可视化调试指南 [特殊字符]

在iOS应用开发过程中,**触摸交互可视化调试**是提升用户体验的关键环节。DebugSwift的触摸指示器功能为开发者提供了一个强大的工具,让用户交互变得**清晰可见**。通过这个功能,您可以实时查看应用中的每一个触摸点,优化界面响应,提升应用的整体质量。🚀 ## 什么是DebugSwift触摸指示器?🤔 DebugSwift触摸指示器是一个**实时可视化调试工具**,能够在iOS应用中

gitblog_00003的博客 593

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

终极指南:如何利用Mathematics Dataset提升AI的数学推理能力

Mathematics Dataset是一个专为测试人工智能数学学习和代数推理能力而设计的数据集,它能生成大量学校级别难度的数学问答对。无论是研究人员还是AI爱好者,都能通过这个强大的工具探索AI在数学问题解决方面的潜力。 ## 🧮 什么是Mathematics Dataset? Mathematics Dataset是由DeepMind开发的开源项目,旨在通过生成多样化的数学问题来训练和评

gitblog_01189的博客 557

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

多模态数学推理数据集:MATH-V和MATHVISTA

这里选取了两篇多模态数学推理数据集的代表工作MATH-V和MATHVISTA,均是今年2024年发表的工作。前者是港中大的工作,后者是加利福尼亚大学洛杉矶分校的工作。

大模型天花板 3881

机器学习的数学基础 5: 数据集的混合表示法

数据集是机器学习的基础. 有两种基本的表示方式. 1. 纯集合表示 数据集为 X={x1,…,xn}\mathbf{X} = \{x_1, \dots, x_n\}X={x1​,…,xn​}, 属性集为 A={a1,…,am}\mathbf{A} = \{a_1, \dots, a_m\}A={a1​,…,am​}. 第 iii 个实例的第 jjj 个属性值表示为 v(xi,aj)v(x_i, a_j)v(xi​,aj​). 为了省掉一个符号vvv, 也可以认为每个属性都是一个函数, 这样, 第 iii 个

minfanphd的博客 2943

IBEM 数学公式检测数据集

IBEM 数据集由 600 个文档组成,总页数为 8272 页,其中包含 29593 个孤立的表达式和 136635 个嵌入的表达式。该数据集被分成不同的集合,为 ICDAR 2021 数学公式检测竞赛提供。

子燕若水的博客 1576

一键部署 Llama3 8B/70B!最高仅占1.07GB存储;COCONut上线,字节跳动推出的首个大规模全景图像分割数据集...

近日,Meta 震撼发布了号称「开源 GPT-4」的大模型 Llama3,该模型惊动了整个 AI 圈,HyperAI超神经也迫不及待想要体验一下!hyper.ai 官网现已在公共教程上线「一键部署 Llama3」!有没有人和我一样激动的搓手手?赶紧来运行一下~4 月 22 日-4 月 26 日,hyper.ai 官网更新速览:* 优质公共数据集:10 个*优质教程精选:3 个* 社区文章精选:5...

HyperAI超神经 1176

数据集:小学生数学题数据集

本数据集专为小学数学教育研究设计,包含3997个结构化JSON文件,覆盖小学1-6年级核心数学题型,以应用题为主,聚焦代数、几何、统计等模块。数据标注基于2025年5月14日的教学标准,年级分布以四年级占比最高(32%),难度分为简单(25%)、中等(55%)、困难(20%)三级。知识图谱涵盖12大领域,代数类题目占比47%。数据集通过多维特征标注支持教育数据分析、自动解题系统开发及认知诊断研究,包含题目元数据、解题路径、典型错误等核心字段,以及结构特征、特殊符号特征等特色字段,支持NLP模型训练和教学指导

void9main的博客 1459

数学问题解答数据集(Mathematics Dataset)教程

数学问题解答数据集是Google DeepMind开发的一个开源项目,它生成一系列学校水平难度的数学问题和对应的答案。这个数据集的目标是测试机器学习模型在数学学习和代数推理能力方面的表现。它包括各种类型的问题,如算术、几何、概率等,旨在推动人工智能在解决实际数学问题上的进步。 ## 2. 项目快速启动 首先,确保你的环境中已经安装了`pip`。然后,可以按照以下步骤来安装并使用该数据集: #...

gitblog_00206的博客 1011

NLP-阅读理解-数据集-DuReader01:数据集介绍及预处理【SQuAD、DuReader】

一、SQuAD数据集 二、DuReader数据集 1、DuReader数据集介绍 DuReader,从名字(Du和Reader)就可以看出来,是百度整理出来的阅读理解数据集。 DuRader数据集由一系理的4元组构成,每个4元组 {q,t,D,A}\left\{ q, t,D,A \right\}{q,t,D,A} 就是一条样本,其中, qqq 表示一个问题, ttt 表示问题的类型, DDD 表示问题相关文档集合, AAA 表示一系列答案(由人手工标注)。 它相较于之前阅读理解数据集,主要有三个特点:

u013250861的博客 7308
上一篇: 在线教程丨刘强东数字人首秀交易额破5千万!用GeneFace++ 生成实时说话数字人
下一篇: 解构海洋缺氧:浙大 GIS 实验室融合机器学习及卫星测绘,发布全球海表溶解氧综合建模框架
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值