由 Singh、Sumeet S. 介绍。“教学机器编码：具有视觉注意的神经标记生成”。 ArXiv abs/1802.05415 (2018): n。页。用于 OpenAI 的 image-2-latex 系统任务的预构建数据集。包括总共约 140k 的公式和图像，分为训练集、验证集和测试集。 im2latex-100K 数据集的超集。

OpenDataLab2026-07-12 更新200

CSFormula

公式识别

机器学习

CSFormula数据集是一个大规模且具有挑战性的数据集，包含多学科和结构复杂的公式，覆盖了行、段落和页面级别的公式。数据集不仅包含单行公式，还包括多行和页面级别的复杂布局，使模型能够学习高级科学领域中丰富的结构和多样的表达，确保在现实世界的文档场景中具有鲁棒性。数据集分为三个层级：行级别、段落级别和页面级别，每个层级都有大量独特的公式样本。数据集的创建过程包括从多个学科领域收集复杂公式样本，使用

arXiv2025-08-01 更新2080

公式识别

教育技术

支持对试卷中的数学公式及题目内容进行识别，可提取公式部分进行单独识别，也可对题目和公式进行混合识别，并返回Latex格式公式内容及位置信息，便于进行后续处理

山西数据交易平台2021-02-06 更新370