数据集简介
由 NVIDIA 发布的 OpenMathReasoning 是一个专注于数学推理的大规模文本数据集。它旨在为训练和评估大型语言模型（LLM）的数学问题解决与逻辑推理能力提供高质量的语料。
主要用途
- 训练和微调语言模型，提升其数学推理、解题和分步推导能力。
- 作为基准数据集，用于评估模型在复杂数学问题上的性能。
- 支持数学教育、自动解题、代码生成（如将数学问题转化为计算步骤）等相关研究。
数据类型/模态
- 模态：纯文本（text）。
- 内容：包含数学问题、推导步骤、解答和可能的解释性文本。
规模或统计信息
- 数据量：约 567.8 万行（样本）。
- 格式：Parquet。
- 支持库：datasets, dask, mlcroissant, polars。
使用场景
- AI 研究：用于开发更强大的数学推理模型，如专攻数学的 LLM。
- 教育科技：构建智能辅导系统，自动解答数学问题并提供分步指导。
- 基准测试：作为评估模型数学能力的标准数据集之一。