hkust-nlp/dart-math-pool-math

DART-Math数据集是一个用于数学问题推理和解决的开源数据集，包含多个特征如查询、响应、答案正确性等。数据集通过Difficulty-Aware Rejection Sampling (DARS)方法构建，旨在增加对困难查询的响应。数据集分为DART-Math-Uniform和DART-Math-Hard两种，分别采用不同的采样策略。DART-Math-Uniform包含约591k个样本，采用均匀采样策略；DART-Math-Hard包含约585k个样本，采用偏向困难查询的采样策略。该数据集在多个数学推理基准测试中表现出色，并且是开源的。

原始信息汇总

数据集概述

数据集特征

• query: 字符串类型
• query4test: 布尔类型
• query_src_agent: 字符串类型
• query_src_method: 字符串类型
• domain: 字符串类型
• stage: 字符串类型
• gt_ans: 字符串类型
• query_metadata: 结构类型，包含：
  • level: 整数类型（int64）
• resp: 字符串类型
• resp_src_agent: 字符串类型
• resp_src_method: 字符串类型
• ans_correct: 布尔类型
• ration_type: 字符串类型
• proc_correct_prob: 空值类型
• resp_metadata: 结构类型，包含：
  • maxlen: 字符串类型
  • task_idx: 字符串类型
  • temperature: 字符串类型
  • top_p: 字符串类型
• ans: 字符串类型
• query_id: 字符串类型
• resp_id: 字符串类型

数据集划分

• train:
  • 数据量: 2441929242 字节
  • 示例数量: 1615233

数据集大小

• 下载大小: 965044406 字节
• 数据集总大小: 2441929242 字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*