浙江大学发布SciTikZ-230K数据集,应用在科学图表程序合成、TikZ代码生成领域

浙江大学本次发布的数据集SciTikZ-230K,SciTikZ-230K是由上海人工智能实验室等机构联合构建的大规模科学图形TikZ代码数据集，涵盖11个学科领域的23万条高质量图像-代码对。该数据集通过执行中心化数据引擎严格筛选，确保代码可编译且与图像视觉对齐。数据来源包括HuggingFace、TeX StackExchange和arXiv，经多阶段修复与净化流程处理，消除冗余和依赖问题。其应用聚焦于科学图表程序合成领域，旨在解决多模态大语言模型在TikZ代码生成中存在的空间精度不足和结构退化问题。

查看SciTikZ-230K

README内容：

关于浙江大学,浙江大学是中国著名的综合性研究型大学，位于浙江省杭州市，是国家“双一流”、“211工程”和“985工程”重点建设高校。

关于arXiv,全球最大的预印本学术论文数据库，涵盖物理、数学、计算机科学等多个学科领域。