【数学数据集汇总】天才博士陶哲轩力荐数据集！

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（OpenWebMath 开放网络数学训练数据集 / 数据集 / 超神经）

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

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（Ape210K 中国小学水平数学问题 / 数据集 / 超神经）

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

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（Proof-Pile-2 数学数据集 / 数据集 / 超神经）

发布机构：普林斯顿大学

发布时间：2023 年

预估大小：47.57 GB

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（Orca-Math-200K 微软数学单词问题数据集 / 数据集 / 超神经）

发布机构：微软

发布时间：2024 年

预估大小：70.88 MB

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（「链接」）

发布机构：Mizar

发布时间：2018 年

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（Math23K 数学单词问题数据集 / 数据集 / 超神经）

发布机构：Tencent AI Lab

发布时间：2017 年

预估大小：8.36 MB

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（MathVista 数学推理数据集 / 数据集 / 超神经）

发布机构：微软、华盛顿大学

发布时间：2023 年

预估大小：1.61 GB

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（MetaMathQA 数学推理数据集 / 数据集 / 超神经）

发布机构：华为、剑桥大学

发布时间：2023 年

预估大小：84.34 MB

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(「链接」)

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

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(TAL-SCQ5K 好未来中文数学竞赛数据集 / 数据集 / 超神经)

发布机构：好未来

发布时间：2023 年

预估大小：11.4 MB

TAL-SCQ5K 是一组高质量中文数学竞赛数据集，包含 5K 道中文数学竞赛题目（3K 道用于训练，2K 道用于测试），提供中文和英文两种语言。

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：超神经