ddrg/math_formulas

该数据集包含基于AMPS Khan数据集和ARQMath数据集V1.3的数学公式。通过应用随机化的LaTeX打印，生成了更多等效版本的公式，这些公式适用于MLM（掩码语言模型）任务。例如，对于公式`(a+b)^2 = a^2 + 2ab + b^2`，可以进行掩码处理（如`(a+[MASK])^2 = a^2 + [MASK]ab + b[MASK]2`），掩码标记可以通过上下文推断出来，而对于公式`f(x) = 3x+1`，掩码处理（如`[MASK](x) = 3x[MASK]1`）则会导致掩码标记不明确。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • id: 数据类型为 int64
  • text: 数据类型为 string

数据分割

• 训练集:
  • 字节数: 225647910.0
  • 样本数: 2886810
• 测试集:
  • 字节数: 23848817.0
  • 样本数: 311298

数据集大小

• 下载大小: 131762427
• 数据集大小: 249496727.0