aluncstokes/mathpile_arxiv_subset

该数据集包含343,830个TeX文件，这些文件是从arXiv获取的数学论文。数据集已经分为训练集和测试集。数据格式为JSONL文件，每个文件包含一个JSON字典，字典中只有一个键text。数据来源于MathPile的arXiv子集的训练和验证部分。使用该数据集时，用户应遵守arXiv的使用条款。

原始信息汇总

MathPile ArXiv (subset)

描述

该数据集包含从arXiv获取的343,830个TeX文件，内容为数学论文。训练集和测试集已预先分割。

来源

数据来源于MathPile的arXiv子集的训练和验证部分。

格式

• 以JSONL文件形式提供，每个文件包含一个键为"text"的JSON字典。

许可

原始数据的许可条款遵循arXiv的规定。用户应参考arXiv的使用条款以了解允许的使用方式。