清华大学 发布 MMGeoLM 数据集, 应用在 数学教育、机器学习 领域

清华大学 本次发布的数据集 MMGeoLM, MMGeoLM是一个由清华大学开发的多模态数学数据集，包含12,000个几何问题，旨在提高大型多模态模型在几何推理任务中的性能。该数据集基于真实考试题目构建，并利用LLM生成详细的文字描述和几何图形代码。数据集通过两种方式构建负样本：基于图像的对比学习和基于文本的对比学习。图像负样本通过生成和扰动几何图形代码来创建，文本负样本通过修改几何描述和基于相似性检索来创建。MMGeoLM数据集用于训练MMCLIP模型，该模型在几何推理基准测试中取得了显著成果。

查看MMGeoLM

README 内容： 

关于 清华大学 , 清华大学，位于中国北京，是一所享誉全球的顶尖研究型大学，以其深厚的学术底蕴和杰出的科研能力而著称。

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。