Nemotron-MIND هو مجموعة بيانات أصدرتها NVIDIA في عام 2024 تحتوي على أكثر من 138 مليار رمز من المحادثات الرياضية المنظمة، وتضم 231.6 مليون سجل، بحجم تخزين إجمالي يبلغ 827 جيجابايت، وتغطي سبعة أنماط مختلفة من المحادثات الاجتماعية مثل المناظرات وحل المشكلات والحوار بين المعلم والطالب، والورقة البحثية المرتبطة بها هي «MIND: Math Informed syNthetic Dialogues for Pretraining LLMs»، وتهدف إلى تعزيز قدرات التفكير الرياضي لنماذج اللغة الكبيرة من خلال بيانات المحادثات الاصطناعية.

مكونات مجموعة البيانات

• طالبان: محادثة بين طالبين.
• معلم وطالب: محادثة بين معلم وطالب.
• أستاذان: محادثة بين أستاذين.
• مناظرة: محادثة بصيغة المناظرة.
• حل المشكلات: محادثة تركز على تحليل المشكلات وحلها.
• خبير عام: محادثة بأسلوب الخبير العام الشامل.
• مقابلة: محادثة بصيغة المقابلة.

الاستشهاد

@inproceedings{
akter2025mind,
title={{MIND}: Math Informed syNthetic Dialogues for Pretraining {LLM}s},
author={Syeda Nahida Akter and Shrimai Prabhumoye and John Kamalu and Sanjeev Satheesh and Eric Nyberg and Mostofa Patwary and Mohammad Shoeybi and Bryan Catanzaro},
booktitle={The Thirteenth International Conference on Learning Representations},
year={2025},
url={https://openreview.net/forum?id=TuOTSAiHDn}
}