AcroYAMALEX/acro-yamalex-llmjp-4-math-cot

---
language:
- ja
license: mit
task_categories:
- text-generation
tags:
- math
- chain-of-thought
- reasoning
- japanese
- sft
size_categories:
- 100K<n<1M
---

# acro-yamalex-llmjp-4-math-cot（データセット）

日本語数学推論のためのChain-of-Thought (CoT) データセットです。
[StackMathQA](https://huggingface.co/datasets/math-ai/StackMathQA)の問題に対して、DeepSeek V3を用いて日本語CoT形式の解法を生成しました。

本データセットは[FT-LLM2026コンペティション](https://llm-jp.github.io/tuning-competition/)における我々のアプローチの一部として構築されました。

## データセット概要

| 項目 | 値 |
|---|---|
| データ件数 | 306,366件 |
| 言語 | 日本語 |
| ソース | [StackMathQA](https://huggingface.co/datasets/math-ai/StackMathQA) |
| 生成モデル | DeepSeek V3 (deepseek-chat) |
| フォーマット | JSONL（マルチターン対話形式） |

## データ作成手法

[OpenMathReasoning](https://arxiv.org/abs/2504.16891)（NVIDIAのAIMO-2優勝手法）の枠組みに基づき、以下の手順で作成しました。

### Step 1: 日本語CoT解法の生成

StackMathQAの問題に対してDeepSeek V3を用い、日本語で思考過程（`<think>`タグ内）と最終回答（`\boxed{}`形式）を含む解法を生成しました。プロンプトで日本語での出力を指示することで、翻訳と解法生成を同時に行っています。

### Step 2: 回答の検証

生成された解法から`\boxed{}`内の回答を抽出し、元データの正解と照合しました。照合は以下の3段階で実施し、いずれかで一致したデータのみを採用しています。

1. **文字列一致**: 回答文字列の完全一致
2. **数値比較**: 許容誤差 10⁻⁶ での数値比較
3. **LLMジャッジ**: LLMによる等価性判定

### Step 3: 学習形式への変換

検証に通過したデータを、system/user/assistantの3ターン対話形式に変換しました。

## データフォーマット

各行は以下のJSON構造を持つJSONLファイルです。

```json
{
"messages": [
{
"role": "system",
"content": "あなたは熟練した数学の専門家であり、注意深い問題解決者です。..."
},
{
"role": "user",
"content": "なぜ球の体積は 4/3 π r^3 なのですか？"
},
{
"role": "assistant",
"content": "<think>\nユーザーは球の体積公式に現れる4/3がどこから来るのか不思議に思っているようだ...\n</think>\n球の体積の公式における 4/3 は、積分や幾何学的な比較から自然に導かれます...\n\n$$\\boxed{\\frac{4}{3}\\pi r^3}$$"
}
]
}
```

### フィールド説明

| フィールド | 説明 |
|---|---|
| `messages[0]` (system) | 数学の専門家としての役割を指定するシステムプロンプト |
| `messages[1]` (user) | 数学の問題文 |
| `messages[2]` (assistant) | `<think>`タグで囲まれた思考過程と`\boxed{}`形式の最終回答を含む解法 |

## 用途

- 日本語数学推論モデルのSFT（教師あり微調整）
- Chain-of-Thought推論の学習

## 関連リソース

| リソース | リンク |
|---|---|
| CoTモデル | [AcroYAMALEX/acro-yamalex-llmjp-4-math-cot](https://huggingface.co/AcroYAMALEX/acro-yamalex-llmjp-4-math-cot) |
| TIRデータセット | [AcroYAMALEX/acro-yamalex-llmjp-4-math-tir](https://huggingface.co/datasets/AcroYAMALEX/acro-yamalex-llmjp-4-math-tir) |
| TIRモデル | [AcroYAMALEX/acro-yamalex-llmjp-4-math-tir](https://huggingface.co/AcroYAMALEX/acro-yamalex-llmjp-4-math-tir) |
| 論文 | NLP2026にて発表予定 |

## 参考文献

- Ivan Moshkov et al. "AIMO-2 Winning Solution: Building State-of-the-Art Mathematical Reasoning Models with OpenMathReasoning dataset." arXiv:2504.16891, 2025.
- Ting Zhang et al. "StackMathQA: A Curated Collection of 2 Million Mathematical Questions and Answers Sourced from Stack Exchange." 2024.
- DeepSeek-AI. "DeepSeek-V3 Technical Report." arXiv:2412.19437, 2024.

## 著者

佐々木峻・山本大輝・樋口慎・吉岡駿（アクロクエストテクノロジー株式会社）

## ライセンス

MIT License