MBZUAI 发布 MegaMath 数据集, 应用在 数学推理、自然语言处理 领域

MBZUAI 本次发布的数据集 MegaMath, MegaMath是一个开放的数学预训练数据集，由MBZUAI创建，包含3710亿个tokens。该数据集通过三个主要步骤构建：1)从Common Crawl中提取高质量的数学文档；2)从大型代码训练语料库Stack-V2中识别高质量的数学相关代码；3)生成合成数据，包括问答对、代码和文本代码块。MegaMath旨在为数学推理的大型语言模型提供高质量的预训练数据。

查看MegaMath

关于 MBZUAI , MBZUAI（Mohamed bin Zayed University of Artificial Intelligence）是阿联酋的一所专注于人工智能领域的高等教育机构，成立于2019年，旨在培养全球顶尖的人工智能专家，推动AI技术的研究和应用。

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。