OpenMath MATH Masked 是由 NVIDIA 于 2024 年发布的一个专注于数学推理与合成数据生成的数据集，相关论文成果为「OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset」，旨在通过提供掩码版本的解题步骤，辅助生成更一致、更高质量的数学合成数据，从而提升指令微调模型的性能。

该数据集基于 MATH 数据集的解决方案构建，通过掩码技术减少直接复制原始解答可能导致的推理不一致问题，适用于数学领域的指令微调与合成数据增强场景。

数据集组成

数据集主要包含以下字段：

• question：数学问题。
• masked_reference_solution：经过掩码处理的参考解题过程。
• reference_solution：原始参考解题过程。
• expected_answer：问题对应的标准答案。
• level、type：题目难度与类别等信息，以实际数据文件为准。

Citation

@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}
}