MathArena/arxivmath-training

该数据集包含从过去的ArXiv文章生成的训练数据，可用于训练模型处理研究级数学问题。数据集的整体许可为CC BY 4.0，但每行数据根据源文章可能有不同的许可，下游用户应尊重这些许可。数据集包含以下字段：paper_id（源文章的arXiv论文ID）、question（问题陈述，以LaTeX源代码存储）、answer（最终答案）、title（源文章标题）、authors（源文章作者）、license（源文章许可）和categories（源文章关联类别）。数据集旨在支持研究级数学问题的模型训练。

This dataset contains training data generated from past ArXiv articles. They can be used to train models on research-level mathematical problems. The license of the dataset is cc-by-4.0, but each individual row has a different license depending on the source article, which should be respected by downstream users.

搜集汇总

数据集介绍

构建方式

ArXivMath-Training数据集源自arXiv预印本平台上的数学论文，由研究团队系统性地从过往学术文章中提取并整理而成。构建过程聚焦于从每篇论文中甄别出数学问题陈述及其对应的标准答案，并将其分别存储为LaTeX格式的源文本，从而确保数据的学术严谨性与可复现性。数据集包含2605个训练样本，每个样本均附带论文标识符、标题、作者列表、所属领域类别及原始许可证信息，以尊重不同来源论文的知识产权。整体采用CC-BY 4.0许可证发布，但强调逐行数据须遵循各自原始许可证，体现了对学术伦理的审慎考量。

使用方法

使用时，可通过Hugging Face Datasets库加载默认配置下的训练集，数据字段包括问题（question）与答案（answer）两个核心列，支持直接用于监督学习场景下的数学问题求解任务。研究者可将LaTeX格式的问题输入模型，并以其生成的答案与gold answer对比评估推理准确率。同时，建议下游用户在使用前仔细检查每条数据的原始许可证，以遵守个别论文的版权条款。该数据集亦常被整合至MathArena评估框架中，作为数学问答与推理性能测试的标准化训练原料。

背景与挑战

背景概述

在数学推理领域，大型语言模型（LLM）的评估常囿于标准基准，难以衡量其处理研究级数学问题的能力。为此，瑞士ETH Zurich的安全可靠信息处理小组于2026年推出了ArXivMath-Training数据集，主要研究人员包括Jasper Dekoninck、Nikola Jovanović等，旨在利用ArXiv上真实数学论文中的问题与答案，构建一个贴近前沿研究的训练资源。该数据集收录了2605条训练样本，涵盖多元数学子领域，其发布显著推动了LLM在数学问题求解上的训练与评估，成为MathArena平台的核心组成部分，对推动数学与人工智能交叉领域的发展影响深远。

当前挑战

ArXivMath-Training面临的核心挑战在于弥合领域问题与数据构建之间的鸿沟。从领域问题看，该数据集着力解决标准基准无法覆盖的研究级数学推理难题，要求模型不仅理解符号计算，更需掌握复杂证明与多步推导，这对LLM的抽象思维构成极大考验。在构建过程中，挑战尤为突出：一方面，从海量ArXiv论文中自动抽取问题与答案需应对LaTeX格式的异构性和数学表述的多义性，确保数据质量；另一方面，每篇论文的许可证各不相同，必须兼容cc-by-4.0与各原始许可证，这增加了数据合规使用的复杂性，限制了大规模共享与下游应用的可扩展性。

常用场景

经典使用场景

在数学与人工智能交叉领域，ArXivMath-Training数据集被广泛用于训练和评估大语言模型（LLMs）在高阶数学推理任务中的性能。该数据集汇集了来自ArXiv预印本平台的研究级数学问题，涵盖代数、数论、几何、分析等众多分支，每项数据包括LaTeX格式的题目表述与标准答案。研究者常将其作为微调或零样本评测的素材，用以考察模型在超越基础数学运算、迈向专业数学推理方面的能力，从而推动AI在符号计算与定理证明等复杂场景中的发展。

解决学术问题

长期以来，缺乏高质量、高难度的数学问题数据集制约了语言模型在学术数学领域的进步。此数据集专注于研究级数学问题，弥补了传统基准测试（如GSM8K、MATH）仅覆盖初等或竞赛数学的不足。它有效解决了模型在理解抽象数学语言、处理多步推导以及识别隐含数学结构等方面的挑战。其引入推动了数学推理评测从“计算能力”向“理论理解”转型，为衡量大模型在真实科研环境中的数学认知水平提供了关键基准。

实际应用

ArXivMath-Training数据集的实际应用广泛渗透于AI辅助科研与教育技术中。科研人员可借助基于该数据集训练的模型，自动生成复杂数学解答、辅助论文审阅中的公式验证，甚至为理论数学问题提供初步思路。教育方面，该数据集可支撑智能辅导系统的开发，为学生提供深入且具挑战性的数学问题解答范例。此外，它也可用于数学自动问答系统、知识图谱构建以及高质量数学内容的生成，提升学术交流与教学内容生产的效率与质量。

数据集最近研究

最新研究方向

当前，数学推理能力被视为评估大型语言模型认知深度的试金石。arxivmath-training数据集作为MathArena评估平台的基石，汇聚了来自arXiv过往论文的高阶数学问题与标准解答，为研究界提供了极具挑战性的训练素材。该数据集的前沿研究方向聚焦于利用其研究级数学内容，推动模型从基础算术运算向能够进行严谨定理证明与复杂数学推理的方向演进。伴随着如GPT-4等模型在多项数学基准上屡破纪录的热点，该数据集的价值日益凸显：它不仅为训练具备深层数学理解力的智能体提供了源头活水，更通过涵盖多元数学子领域的原生态问题，催化了模型在抽象符号推理与长链条逻辑演绎能力上的突破，对促进AI在科学发现中的实质性应用具有里程碑式的意义。