ddrg/math_text

这是一个包含数学文本的数据集，其中包括LaTeX公式的文本。该数据集基于AMPS Khan数据集和ARQMath数据集V1.3，通过随机LaTeX打印生成了更多数学上等效的文本版本。每个正的ID对应于生成的文本版本的ARQMath帖子ID，负的ID表示AMPS文本。

A mathematical dataset containing texts with LaTeX formulas, based on the AMPS Khan dataset and the ARQMath dataset V1.3, with mathematically equivalent versions generated by applying randomized LaTeX printing. A positive `id` corresponds to the ARQMath post id of the generated text version, a negative `id` indicates an AMPS text.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • id: 数据类型为 int64
  • text: 数据类型为 string

数据分割

• 训练集:
  • 字节数: 5466822546.0
  • 样本数: 6320415
• 测试集:
  • 字节数: 606109387.0
  • 样本数: 701969

数据集大小

• 下载大小: 3381871008
• 数据集大小: 6072931933.0