agicorp/MathInstruct|数学数据集|模型训练数据集

MathInstruct是一个精心策划的指令调优数据集，轻量级但具有通用性。它由13个数学推理数据集汇编而成，其中6个是本工作新策划的。该数据集独特地专注于链式思维（CoT）和程序思维（PoT）推理的混合使用，并确保广泛覆盖各种数学领域。该数据集用于文本生成任务，主要语言为英语，数据集大小介于10万到100万之间。它与基于Llama-2和Code Llama的模型相关联，模型大小从7B到70B不等。每个数据集子集的许可证信息也已提供。

原始信息汇总

数据集概述

名称: MathInstruct

许可证: MIT

任务类别: 文本生成

语言: 英语

大小类别: 10万至100万之间

标签: 数学

数据集详情

• 来源: MathInstruct数据集由13个数学推理数据集组成，其中6个为本工作新编制的。
• 特点: 专注于混合使用链式思维（CoT）和程序思维（PoT）推理，覆盖广泛的数学领域。
• 模型:
  • 基础模型: Llama-2 和 Code Llama
  • 模型版本:
    • 7B: MAmmoTH-7B, MAmmoTH-Coder-7B
    • 13B: MAmmoTH-13B, MAmmoTH-Coder-13B
    • 34B: MAmmoTH-Coder-34B
    • 70B: MAmmoTH-70B

许可证详情

• GSM8K: MIT
• GSM8K-RFT: 未列出
• AQuA-RAT: Apache 2.0
• MATH: MIT
• TheoremQA: MIT
• Camel-Math: Attribution-NonCommercial 4.0 International
• NumGLUE: Apache-2.0
• MathQA: Apache-2.0
• Our Curated: MIT

引用信息

@article{yue2023mammoth, title={MAmmoTH: Building Math Generalist Models through Hybrid Instruction Tuning}, author={Xiang Yue, Xingwei Qu, Ge Zhang, Yao Fu, Wenhao Huang, Huan Sun, Yu Su, Wenhu Chen}, journal={arXiv preprint arXiv:2309.05653}, year={2023} }