发布 MathCode-Pile 数据集, 应用在 数学推理、代码生成 领域

本次发布的数据集 MathCode-Pile, 该数据集是一个高质量的数学延续预训练数据集，它由与数学相关的网页数据、使用数学包的代码、数学教材以及合成数据构建而成，旨在提升大型语言模型中的数学推理能力。该数据集包含了自然语言推理步骤与相应代码的对偶配对，并且已开源，确保了透明性和可复现性。其规模达到了192亿个标记，任务聚焦于数学推理和代码生成。

查看MathCode-Pile

README 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。