数据集 / amphora / ResearchMath-14k

amphora / ResearchMath-14k

从学术论文与问题列表中提取的研究级数学问题

作者
amphora
规模
1.4万行 · 72 MB
模态
文本
任务
文本生成 / 问答
授权
mit · 可商用
语种
en
下载
302
收藏
18

社区实测

目前规模最大的研究级数学问题语料库，但约三成样本存在可见质量问题，实际使用需筛选。

  • 为研究级数学问题提供了大规模语料，支持语义检索与开放状态分类等下游任务
  • 约30%的样本存在可见质量问题（含非有效尝试），数据噪声较高
  • 社区实践中常需抽取子集使用（如仅取4000行工作样本），全量直接使用效果存疑
来源

Building a Semantic Search Engine and Open-Status Classifier over the ResearchMath-14k Dataset - MarkTechPostResearchMath-14k: Scaling Research-Level Mathematics via AgentsAI Data Analytics Turns ResearchMath-14k Into Search - encorp.ai

截至 2026-06-20

  • pyfrom datasets import load_dataset ds = load_dataset("amphora/ResearchMath-14k")

观测时间线