patrickjmcbride/math-instruct-dataset

这是一个名为Maths-College的数据集，它是Feynman Innovations的Maths-College数据集的重新格式化版本，专门用于微调指令模型。数据集包含四个字段：instruction（描述模型需要执行的任务）、context（包含需要解释的数学概念的额外上下文）、output（对context中概念的深入解释）和text（用于微调的格式化文本）。数据集分为训练集和测试集，分别包含727,485和242,495个样本。数据集的主题涉及数学、概率、统计、代数和线性代数。

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据规模

• 大小范围：100K < n < 1M

任务类别

• 文本生成

数据集信息

特征

• output: 字符串类型，概念的深入解释
• instruction: 字符串类型，描述模型需要执行的任务（所有指令相同：“Write an educational piece related to the following text snippet:”）
• context: 字符串类型，包含要解释的数学概念的额外上下文
• text: 字符串类型，包含指令、上下文和输出的格式化模板，用于微调

分割

• train: 7389861900 字节，727485 个样本
• test: 2462910288 字节，242495 个样本

下载和数据集大小

• 下载大小：4903407200 字节
• 数据集大小：9852772188 字节

配置

• default 配置
  • 训练数据文件路径：data/train-*
  • 测试数据文件路径：data/test-*

标签

• 数学
• 数学学
• 概率
• 统计学
• 代数
• 线性代数