MathOCR 是一个专注于数学领域的 LaTeX 数据集，由 Roman 创建并共享。数据集采用 CC-BY-SA-4.0 许可，语言为英语。其格式为 problem_latex|solution_latex|problem_english，旨在用于数学可视化任务。数据集为合成数据，避免了版权和个人敏感信息问题。尽管不覆盖所有方程类型和数字，但适用于大型语言模型（LLM）的文本分类和生成任务。数

Hugging Face2026-02-19 更新210

harryrobert/latex-ocr

数学公式识别

LaTeX

--- configs: - config_name: default data_files: - split: stage1 path: "data/stage1-*.parquet" - split: stage2 path: "data/stage2-*.parquet" - split: validation path: "data/val-*.pa

Hugging Face2026-04-02 更新100

latex_ocr_test

光学字符识别

LaTeX

数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集 #### 下载方法 :modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"}

魔搭社区2026-07-10 更新500

Simplified_FunctionGraph-LaTeX

函数图像到LaTeX转换

数学表达式识别

Simplified FunctionGraph-LaTeX 数据集是一个简化的预览版本，旨在教授模型函数图像与数学函数之间的关系。数据集包含两种配置：graph_function_static 和 graph_function_noisy，每种配置都包含图像（函数图像）和对应的 LaTeX 公式（数学函数表达式）。数据规模在 1,000 到 10,000 之间，适用于图像到文本、图像特征提取和图

Hugging Face2026-03-28 更新110

harryrobert/nav2tex-decoder-latex-pretrain

资源简介：

相关数据集