清华大学 发布 MMathCoT-1M, DualMath-1.1M 数据集, 应用在 多模态数学推理、逻辑推理 领域

清华大学 本次发布的数据集 MMathCoT-1M, DualMath-1.1M, MMathCoT-1M是由清华大学和字节跳动联合创建的高质量多模态数学推理指令微调数据集，包含100万条数据。该数据集通过CoT蒸馏、轨迹格式重写和格式统一的三模块合成策略生成，旨在提升多模态大语言模型在数学推理中的表现。数据集内容涵盖几何问题、数学应用题和表格问答等任务，数据来源包括Multimath、MAVIS、PUMA-VarsityTutors和MathV-360K等开源数据集。DualMath-1.1M是一个自动生成的过程注释数据集，包含110万条数据，专注于解释和逻辑推理，用于进一步提升模型在测试时的推理能力。这些数据集的应用领域主要集中在多模态数学推理，旨在解决现有模型在复杂数学问题中推理能力不足的问题。

查看MMathCoT-1M, DualMath-1.1M

关于 清华大学 , 清华大学是中国著名的高等学府，位于北京市。作为中国顶尖的综合性研究型大学之一，清华大学在工程、科学、管理、人文和社会科学等多个领域都有卓越的研究成果和学术贡献。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。