MARIO-Math-Reasoning/AlphaMath-Trainset

这是AlphaMath Almost Zero项目的第三轮训练数据，其解题过程是由模型在第二轮自动生成的，没有使用GPT或人工标注。数据集中的问答对是从GSM8k和MATH数据集的训练分割中提取的，并且包含了正例和负例，用于训练策略模型和价值模型。

原始信息汇总

数据集卡片 AlphaMath Almost Zero

概述

这是AlphaMath Almost Zero: Process Supervision Without Process的第三轮训练数据。解决方案过程由第二轮模型自动生成，没有使用GPT或人工注释。

数据集详情

1. 问题-答案对从GSM8k和MATH的训练集中提取。
2. 包含正例和负例，用于训练策略和价值模型。