DeepMath-103K：一个大规模、具挑战性、去污染且可验证的数学数据集，助力推理能力提升

复杂数学推理能力是衡量人工智能水平的关键指标。尽管将强化学习（RL）应用于大语言模型（LLMs）展现出潜力，但进展却因缺乏大规模、具有足够挑战性、具备适用于RL的可验证答案格式且未与评估基准混杂的训练数据而受到显著阻碍。为应对这些局限，我们推出了DeepMath-103K，这是一个包含约103,000道数学题的新大规模数据集，专为通过RL训练高级推理模型而设计。DeepMath-103K通过一套严谨的流程精心构建，包括来源分析、针对多项基准的严格去污染处理，以及筛选高难度题目（主要为5至9级），其挑战性远超现有公开资源。每道题目均包含一个可验证的最终答案，支持基于规则的RL，以及三个由R1生成的不同解决方案，适用于监督微调或蒸馏等多种训练范式。DeepMath-103K涵盖广泛的数学主题，促进了可泛化推理能力的发展。我们证明，基于DeepMath-103K训练的模型在具有挑战性的数学基准测试中取得了显著进步，验证了其有效性。我们公开发布DeepMath-103K，以推动社区在构建更强大AI推理系统方面的进展：