Math-Pile

kaggle2026-07-21 更新2026-08-12 收录

数学预训练语料

学科语言模型

数据链接：

https://www.kaggle.com/datasets/archlegend/math-pile 数据链接链接失效反馈

官方服务：

资源简介：

Math-Pile: A 9.5B Token high quality Mathematical Pre-training corpus.

Math-Pile：一款包含95亿Token的高质量数学预训练语料库。

创建时间：

2026-07-21

MCMoD

分子设计

学科语言模型

MCMoD数据集是由北京大学深圳研究生院开发的一个大规模多条件分子设计数据集，旨在解决化学语言模型在分子设计与生成中的语义鸿沟问题。该数据集包含超过100万条分子数据，涵盖了合成分子、天然产物和蛋白质配体等多种分子类型，并提供了文本描述、分子片段和化学性质等多重控制条件。数据来源包括PubChem、ZINC、ChEBI等知名数据库，并通过RDKit等工具进行标准化处理。MCMoD数据集不仅支持多目

arXiv2024-12-30 更新1210

Predicting polymerization reactions via transfer learning using chemical language models

聚合反应

学科语言模型

Polymers are candidate materials for a wide range of sustainability applications such as carbon capture and energy storage. However, computational polymer discovery lacks automated analysis of reactio

DataCite Commons2026-03-12 更新170

Predicting polymerization reactions via transfer learning using chemical language models

聚合物反应

学科语言模型

DataCite Commons2026-03-12 更新80

MathPile_Commercial

数学研究

学科语言模型

**🔥Update**: - [2024/01/06] We released the commercial-use version of MathPile, namely `MathPile_Commercial`. # Dataset Card for Dataset Name <!-- Provide a quick summary of the data

魔搭社区2026-07-13 更新190

MathEval

学科语言模型

性能评估

该数据集是一个用于评估数学语言模型的基准数据集，它是专门为数学领域的SLM（特定语言模型）评估基准的一部分而设计的。该数据集的规模各异，其任务旨在对数学语言模型进行评估。

arXiv80