OpenMath GSM8K Masked هو مجموعة بيانات مُقنّعة لمهام الاستدلال الرياضي، أصدرتها NVIDIA في عام 2024. يستند هذا العمل إلى الورقة البحثية "OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset"، ويهدف إلى توفير إصدارات مُقنّعة من حلول GSM8K، مما يساهم في التوليد الاصطناعي لحلول إضافية لمجموعة بيانات GSM8K. وعلى عكس استخدام الحلول الأصلية مباشرةً، تقلل هذه الطريقة من احتمالية حدوث عدم اتساق في الاستدلال.

تُستخدم هذه المجموعة من البيانات لبناء مجموعة بيانات توجيهية للدقة الدقيقة الرياضية OpenMathInstruct-1، التي تتكون من 1.8 مليون زوج من المسائل والحلول، وتم توليدها باستخدام نموذج Mixtral-8x7B ذي الترخيص المريح.

تكوين مجموعة البيانات

تُخزن مجموعة البيانات بتنسيق JSON وتتضمن مجموعة بيانات التدريب (train) المكونة من 7,473 عينة:

• السؤال (question): النص الأصلي لمسائل الرياضيات التطبيقية من مجموعة GSM8K.
• الحل المُقنّع (masked_reference_solution): يتم فيه إخفاء أجزاء رئيسية من عملية الحل الأصلية، وعادةً ما تُستبدل الأرقام أو النتائج الحسابية الوسيطة برموز نصية، مما يتيح للنموذج استكمال خطوات الحل.
• الحل المرجعي (reference_solution): عملية الحل الكاملة الأصلية، وتُستخدم للمقارنة مع النسخة المُقنّعة والمساعدة في توليد حلول جديدة.
• الإجابة المتوقعة (expected_answer): الإجابة النهائية للمسألة الرياضية، والتي يمكن استخدامها للتحقق من صحة النتائج المولدة.

الاستشهاد

@article{toshniwal2024openmath,
  title   = {OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset},
  author  = {Shubham Toshniwal and Ivan Moshkov and Sean Narenthiran and Daria Gitman and Fei Jia and Igor Gitman},
  year    = {2024},
  journal = {arXiv preprint arXiv: Arxiv-2402.10176}
}