ddrg/math_formula_retrieval

该数据集基于71个著名数学恒等式，每个条目包含两个恒等式（公式或文本形式）和一个标签，指示这两个版本是否描述相同的数学恒等式。数据集中假版本的数目是真版本的十倍，以便于在训练中每轮更换假例子。

原始信息汇总

数据集概述

数据集信息

• 特征列表：

  • formula1：字符串类型
  • formula2：字符串类型
  • label：布尔类型
  • formula1_name_id：字符串类型

• 数据分割：

  • train：
    • 字节数：7285320882
    • 样本数：21348512
  • test：
    • 字节数：809630657
    • 样本数：2372048

• 下载大小：3656462517 字节

• 数据集大小：8094951539 字节

数据集描述

• 基于71个著名数学恒等式的数学数据集。
• 每个条目包含两个恒等式（公式或文本形式）和一个标签，表示这两个版本是否描述相同的数学恒等式。
• 错误对并非随机选择，而是有意选择难以区分的等价表示。
• 每个恒等式最多生成400000个版本。
• 错误版本的数量是正确版本的十倍，以便在每个训练周期中更改错误示例。