azuki-digital/StackMathQA-ja

--- license: cc-by-4.0 task_categories: - text-generation - question-answering language: - ja - en pretty_name: StackMathQA-ja size_categories: - 1M<n<10M tags: - mathematical-reasoning - reasoning - finetuning - pretraining - llm - japanese - translation datasets: - math-ai/StackMathQA --- <div align="center"> # StackMathQA Japanese StackMathQA 1.6M の日本語翻訳版：Qwen3-30B-A3B-Instruct-2507による数学問題・解答の日本語化データセット [](https://huggingface.co/datasets/math-ai/StackMathQA) [](https://creativecommons.org/licenses/by/4.0/) </div> 本データセットは、[StackMathQA](https://huggingface.co/datasets/math-ai/StackMathQA) の stackmathqa1600k サブセット（160万件）を Qwen3-30B-A3B-Instruct-2507 を用いて日本語に翻訳したものです。元の英語の質問（Q）と回答（A）に加えて、日本語翻訳された質問（Q_ja）と回答（A_ja）のカラムを追加しています。 ## 🎯 利用目的 このデータセットは、以下の用途を想定して作成されました： - 日本語LLMの継続事前学習（Continued Pre-training） - 数学的推論能力の向上を目的としたファインチューニング - 日本語での数学問題解決タスクの学習 **自由にご利用ください。** 商用・非商用を問わず、研究、教育、プロダクション開発など、あらゆる目的でお使いいただけます。 ## 📊 データセット構成 ### データ形式 ```yaml dataset_info: features: - name: Q dtype: string description: "元の英語の数学問題（LaTeXエンコード形式）" - name: A dtype: string description: "元の英語の回答（LaTeXエンコード形式）" - name: Q_ja dtype: string description: "Qwen3による日本語翻訳された数学問題" - name: A_ja dtype: string description: "Qwen3による日本語翻訳された回答" - name: meta dtype: dict description: "各質問・回答ペアのメタデータ" ``` ### データ統計 総データ数：**1,600,000**件 ソース別内訳： ```bash Source: Stack Exchange (Math), Count: 1,244,887 Source: MathOverflow, Count: 110,041 Source: Stack Exchange (Stats), Count: 99,878 Source: Stack Exchange (Physics), Count: 145,194 ``` ## 🚀 使い方 ```python from datasets import load_dataset # データセットの読み込み ds = load_dataset("azuki-digital/StackMathQA-Japanese") # サンプルの確認 print(ds['train'][0]) # { # 'Q': '...', # 英語の問題 # 'A': '...', # 英語の回答 # 'Q_ja': '...', # 日本語の問題 # 'A_ja': '...', # 日本語の回答 # 'meta': {...} # メタデータ # } ``` ## 📝 翻訳について - **翻訳モデル**: Qwen3 - **翻訳対象**: stackmathqa1600k サブセットの全データ - **注意事項**: 機械翻訳のため、一部に不自然な表現や誤訳が含まれる可能性があります ## 📜 ライセンス 本データセットは元データセット（StackMathQA）と同じ **CC-BY-4.0** ライセンスの下で公開されます。 - ✅ 商用利用可能 - ✅ 改変可能 - ✅ 再配布可能 - ⚠️ 原著作者のクレジット表示が必要 詳細は [CC-BY-4.0 License](https://creativecommons.org/licenses/by/4.0/) をご確認ください。 ## 🙏 引用 本データセットを利用される場合は、元のStackMathQAデータセットと本翻訳版の両方を引用してください。 ### 元データセット (StackMathQA) ```bibtex @techreport{zhang2024stackmathqa, title={{StackMathQA: A Curated Collection of 2 Million Mathematical Questions and Answers Sourced from Stack Exchange}}, author={Zhang, Yifan}, year={2024}, institution={Math-AI}, howpublished={\url{https://stackmathqa.github.io/StackMathQA.pdf}}, } ``` ### 本翻訳版データセット ```bibtex @dataset{stackmathqa_japanese_2025, title={{StackMathQA Japanese: Japanese Translation of StackMathQA 1.6M using Qwen3-30B-A3B-Instruct-2507}}, author={azuki-digital}, year={2025}, publisher={Hugging Face}, howpublished={\url{https://huggingface.co/datasets/azuki-digital/StackMathQA-ja}}, } ``` ## 🔗 関連リンク - [元データセット (StackMathQA)](https://huggingface.co/datasets/math-ai/StackMathQA) - [StackMathQA Project Website](https://stackmathqa.github.io) - [StackMathQA Technical Report](https://stackmathqa.github.io/StackMathQA.pdf) ## ⚠️ 免責事項 本データセットは機械翻訳により生成されており、翻訳の正確性や品質について保証するものではありません。利用者の責任において使用してください。--- license: CC-BY-4.0 task_categories: - 文本生成 - 问答 language: - 日语 - 英语 pretty_name: StackMathQA-ja size_categories: - 100万 < 样本数 < 1000万 tags: - 数学推理 - 推理 - 微调 - 预训练 - 大语言模型（Large Language Model） - 日语 - 翻译 datasets: - math-ai/StackMathQA --- <div align="center"> # StackMathQA 日语版 ### StackMathQA 160万条日语翻译版：基于Qwen3-30B-A3B-Instruct-2507实现的数学问题与解答日语化数据集 [](https://huggingface.co/datasets/math-ai/StackMathQA) [](https://creativecommons.org/licenses/by/4.0/) </div> 本数据集是基于[StackMathQA](https://huggingface.co/datasets/math-ai/StackMathQA)的`stackmathqa1600k`子集（共160万条数据），通过Qwen3-30B-A3B-Instruct-2507模型翻译为日语版本。除原始英语的问题（Q）与回答（A）外，新增了日语翻译后的问题（Q_ja）与回答（A_ja）字段。 ## 🎯 适用场景 本数据集专为以下场景设计开发： - 日语大语言模型（Large Language Model）的持续预训练（Continued Pre-training） - 以提升数学推理能力为目标的模型微调 - 日语环境下数学问题求解任务的模型训练 **可自由使用**。无论商用或非商用，均可用于研究、教育、产品开发等各类场景。 ## 📊 数据集结构 ### 数据格式 yaml dataset_info: features: - name: Q dtype: string description: "原始英语数学问题（采用LaTeX编码格式）" - name: A dtype: string description: "原始英语回答（采用LaTeX编码格式）" - name: Q_ja dtype: string description: "通过Qwen3翻译得到的日语数学问题" - name: A_ja dtype: string description: "通过Qwen3翻译得到的日语回答" - name: meta dtype: dict description: "每条问答对的元数据" ### 数据统计 总数据量：**1,600,000**条 数据来源分布： bash 数据来源：Stack Exchange（数学板块），样本数：1,244,887 数据来源：MathOverflow，样本数：110,041 数据来源：Stack Exchange（统计板块），样本数：99,878 数据来源：Stack Exchange（物理板块），样本数：145,194 ## 🚀 使用方法 python from datasets import load_dataset # 加载数据集 ds = load_dataset("azuki-digital/StackMathQA-Japanese") # 查看样本 print(ds['train'][0]) # { # 'Q': '...', # 英语原始问题 # 'A': '...', # 英语原始回答 # 'Q_ja': '...', # 日语翻译问题 # 'A_ja': '...', # 日语翻译回答 # 'meta': {...} # 元数据 # } ## 📝 翻译说明 - **翻译模型**：Qwen3 - **翻译范围**：`stackmathqa1600k`子集的全部数据 - **注意事项**：本数据集为机器翻译生成，可能存在部分表达不自然或误译的情况 ## 📜 许可证 本数据集与原始数据集（StackMathQA）采用相同的**CC-BY-4.0**许可证发布。 - ✅ 支持商用 - ✅ 支持修改 - ✅ 支持再分发 - ⚠️ 需标注原作者署名 详细信息请参阅 [CC-BY-4.0 许可证](https://creativecommons.org/licenses/by/4.0/)。 ## 🙏 引用规范 使用本数据集时，请同时引用原始StackMathQA数据集与本日语翻译版本。 ### 原始数据集（StackMathQA） bibtex @techreport{zhang2024stackmathqa, title={{StackMathQA: A Curated Collection of 2 Million Mathematical Questions and Answers Sourced from Stack Exchange}}, author={Zhang, Yifan}, year={2024}, institution={Math-AI}, howpublished={url{https://stackmathqa.github.io/StackMathQA.pdf}}, } ### 本翻译版数据集 bibtex @dataset{stackmathqa_japanese_2025, title={{StackMathQA Japanese: Japanese Translation of StackMathQA 1.6M using Qwen3-30B-A3B-Instruct-2507}}, author={azuki-digital}, year={2025}, publisher={Hugging Face}, howpublished={url{https://huggingface.co/datasets/azuki-digital/StackMathQA-ja}}, } ## 🔗 相关链接 - [原始数据集（StackMathQA）](https://huggingface.co/datasets/math-ai/StackMathQA) - [StackMathQA 项目官网](https://stackmathqa.github.io) - [StackMathQA 技术报告](https://stackmathqa.github.io/StackMathQA.pdf) ## ⚠️ 免责声明 本数据集由机器翻译生成，不保证翻译的准确性与质量，请使用者自行承担使用责任。