【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-CSDN博客

本文链接：https://blog.csdn.net/hyperai/article/details/138137348

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：