amphora/ResearchMath-14k

ResearchMath-14k 是一个包含 **14,056 条研究级数学问题记录** 的集合，这些记录从论文、开放问题列表、研讨会资料和相关学术资源中提取。每条记录包含原始提取的问题、重写后的自包含问题陈述、分类标签和开放状态元数据。ResearchMath-14k is a collection of **14,056 research-level mathematical problem records** extracted from papers, open-problem lists, workshop sheets, and related academic sources. Each record contains the original extracted question, a rewritten self-contained problem statement, taxonomy labels, and open-status metadata.

搜集汇总

数据集介绍

构建方式

ResearchMath-14k数据集通过一个两阶段的智能体流水线构建而成。首先，提取器智能体从学术论文、未解决问题清单、研讨会资料等源文档中检测候选开放问题；随后，精炼智能体对每个候选问题进行状态验证、赋予分类学标签，并将其重写为自包含的问题陈述。这种自动化流程确保了从海量学术资源中高效、规范地提取研究级数学问题。

使用方法

用户可通过HuggingFace Datasets库轻松加载该数据集，例如使用`load_dataset("amphora/ResearchMath-14k", split="train")`获取训练集。该数据集支持文本生成与问答任务，适用于数学问题理解、研究级提示构造，以及训练或评估模型在处理自包含研究问题陈述方面的能力。即便在不具备完整标准答案的情况下，过滤后的开放问题尝试信号仍可为模型微调提供有价值的监督信息。

背景与挑战

背景概述

ResearchMath-14k是由韩国研究人员Son Guijin、Yi Seungyeop等人在2026年构建的一个专门针对研究级数学问题的数据集，收录了来自学术论文、公开问题列表及研讨会资料中的14,056条记录。该数据集旨在弥合大规模低阶数学训练数据集与小型研究级评估集之间的空白，通过自主提取和精炼问题语句，并标注开放状态与领域分类，为数学推理模型的训练与评估提供了高质量的研究级问题资源。其发布对数学自然语言处理与人工智能推理领域产生了重要影响，推动了从基础算术到高级数学推理的研究范式转变。

当前挑战

ResearchMath-14k所解决的领域核心挑战在于现有数据集多聚焦于低阶数学问题（如中小学数学），缺乏对研究级开放问题的系统覆盖，导致大语言模型在高级数学推理与问题理解上表现欠佳。在构建过程中，团队面临两大挑战：其一，从散落在各类学术文献中的非结构化文本中准确识别并提取候选开放问题，需应对专业术语、符号表述及上下文依赖等复杂情况；其二，对提取的问题进行状态验证（如判断是否已解决）与自包含改写，确保每个问题无需依赖原始文献即可独立理解，这对自动化管线的鲁棒性与语义理解能力提出了极高要求。

常用场景

经典使用场景

ResearchMath-14k数据集的核心应用在于为数学推理任务提供研究级难题的语料支撑。该数据集收录了来自学术论文、开放问题清单及学术研讨会的14,056个高水平数学问题，覆盖分析、几何、数论等11个领域，为大型语言模型在数学推理、问题理解与自主求解能力上的训练与评估提供了高质量的基准。研究者尤其常利用其用于构建具备科研素养的数学问答系统，或探索模型在未见过的高级数学命题上的泛化性能。

解决学术问题

该数据集有效解决了长期以来数学NLP领域缺乏高质量、开放性问题级训练资源的困境。在此之前，现有数据集多集中于代数、几何等初等数学任务，难以支撑模型应对真正的研究型数学挑战。ResearchMath-14k通过精细标注的未解决问题与部分解决状态，使得研究者可以探讨模型在缺少完整参考答案时的学习信号利用方法，推动了对开放数学问题的自动推理、状态分类与难易度评估等前沿课题的深入探索。

实际应用

在实际应用中，ResearchMath-14k可被用于研发面向科研人员的智能数学助手，帮助自动解析arXiv论文中提出的新问题，并支持研究者对问题的开放状态进行初步判断。此外，它也能赋能教育科技领域，为高等数学课程设计生成富有挑战性的思考题，或作为数学竞赛训练系统的命题素材库。其所蕴含的严谨推理链条与多领域覆盖特性，还使其适合在工业级AI系统中用作提升模型长程逻辑推演能力的微调数据。

数据集最近研究

最新研究方向

ResearchMath-14k致力于弥合大规模基础数学训练数据集与小型研究级评估集之间的鸿沟，代表了数学推理领域的前沿拓展。该数据集通过智能体管道从学术论文、开放问题列表等源头自动提取并精炼了14,056个研究级数学问题，覆盖分析、数学物理、组合学等11个顶级数学领域，其中近60%的问题仍为开放状态，为探索前沿数学难题提供了稀缺的高质量语料。其独特价值在于利用过滤后的开放问题尝试作为微调信号，即使缺乏完整解答也能提升模型的数学推理能力，直接呼应了大语言模型向专业化、科研级推理能力演进的热点趋势。这一工作不仅推动了数学AI从基础运算向开放研究问题的跨越，更为科学发现自动化提供了关键数据基石。