MU-NLPC/Calc-gsm8k

Calc-gsm8k数据集是基于gsm8k数据集的一个实例，转换为易于解析的HTML-like语言，包含三种标签：gadget、output和result。该数据集旨在训练能够使用外部工具（如计算器）增强推理能力的模型。数据集的构建过程包括解析原始答案、使用sympy计算器评估算术表达式，并导出为HTML-like格式。数据集包含默认和原始分割两种配置，默认配置中从原始训练集中随机抽取200个样本作为验证集。数据集的相关工作包括Calc-X和Calcformers项目，旨在训练能够使用计算器的模型。数据集遵循MIT许可证，并提供了引用信息。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: MIT
• 大小分类: 1K<n<10K
• 任务分类: 文本生成, 问答

数据集配置

• 默认配置:

  • 特征:
    • id: 字符串
    • question: 字符串
    • chain: 字符串
    • result: 字符串
    • result_float: 浮点数
  • 分割:
    • 训练: 7273个样本, 5373420.477987422字节
    • 验证: 200个样本, 147763.5220125786字节
    • 测试: 1319个样本, 993169字节
  • 下载大小: 3140154字节
  • 数据集大小: 6514353.0字节

• 原始分割配置:

  • 特征:
    • id: 字符串
    • question: 字符串
    • chain: 字符串
    • result: 字符串
    • result_float: 浮点数
  • 分割:
    • 训练: 7473个样本, 5521184字节
    • 测试: 1319个样本, 993169字节
  • 下载大小: 0字节
  • 数据集大小: 6514353字节

数据集加载

• 默认配置: python datasets.load_dataset("MU-NLPC/Calc-gsm8k")

• 原始分割配置: python datasets.load_dataset("MU-NLPC/Calc-gsm8k", "original-splits")