DataMuncher-Labs/AMReasoning-2500000
收藏资源简介：
--- language: - en tags: - math - algebra - reasoning - equations - fractions - word-problems - logic - llm-training - finetuning - Math - Algebra - Reasoning - Equations - Fractions - Equations - Logic - Finetuning pretty_name: AMReasoning-2500000 size_categories: - 1M<n<10M license: mit --- # All Mathematical Reasoning-2500000 # Built via a python script ## Contents - add - sub - mul - div - linear_eq - two_step_eq - fraction - exponent - inequality - word_algebra - quadratic - system_2x2 - abs_eq - percent - mod - simplify_expr - mixed_fraction - neg_div - linear_fraction_eq - rational_eq - quadratic_nonunit - cubic_int_root - system_3x3 - diophantine - exponential_eq - log_eq - radical_eq - congruence_mod - absolute_ineq - polynomial_factor Synthetic algebra-heavy math reasoning dataset. Each row: - question - problem - how_to_solve - answer ## Useage Licensed under MIT Free to use for everyone ##Notes It is - Better to use smaller variants of this dataset for finetuning - Better to use very small variants of this dataset for evaluation - Better to use large variants of this dataset for pre-training
语言： - 英语 标签： - 数学 - 代数 - 推理 - 方程 - 分数 - 文字应用题 - 逻辑 - 大语言模型训练（LLM Training） - 微调（Finetuning） - 数学 - 代数 - 推理 - 方程 - 分数 - 方程 - 逻辑 - 微调 数据集别名：AMReasoning-2500000 规模类别： - 1M<n<10M 许可证：MIT # 全数学推理-2500000 # 基于Python脚本构建 ## 数据集涵盖题型 - 加法（add） - 减法（sub） - 乘法（mul） - 除法（div） - 一元一次方程（linear_eq） - 两步求解方程（two_step_eq） - 分数运算（fraction） - 指数运算（exponent） - 不等式（inequality） - 代数文字题（word_algebra） - 二次方程（quadratic） - 二元一次方程组（system_2x2） - 绝对值方程（abs_eq） - 百分比运算（percent） - 模运算（mod） - 表达式化简（simplify_expr） - 带分数运算（mixed_fraction） - 负数除法（neg_div） - 分式线性方程（linear_fraction_eq） - 有理方程（rational_eq） - 非首一二次方程（quadratic_nonunit） - 三次整数根求解（cubic_int_root） - 三元一次方程组（system_3x3） - 丢番图方程（diophantine） - 指数方程（exponential_eq） - 对数方程（log_eq） - 根式方程（radical_eq） - 模同余方程（congruence_mod） - 绝对值不等式（absolute_ineq） - 多项式因式分解（polynomial_factor） 本数据集为合成构建的、以代数为核心的数学推理数据集。 每一条数据条目包含以下字段： - 问题（question） - 题干（problem） - 解题步骤（how_to_solve） - 答案（answer） ## 使用说明 本数据集采用MIT许可证开源，可免费面向所有使用者开放。 ## 注意事项 - 若用于模型微调，建议选用该数据集的小体量变体 - 若用于模型评估，建议选用该数据集的极小型变体 - 若用于模型预训练，建议选用该数据集的大体量变体
