Nemotron-Math ist ein von NVIDIA im Jahr 2026 veröffentlichtes groß angelegtes Mathematik-Argumentations-Dataset, dessen zugehörige Forschungsergebnisse in der Arbeit „Nemotron-Math: Efficient Long-Context Distillation of Mathematical Reasoning from Multi-Mode Supervision" dokumentiert sind. Es zielt darauf ab, hochwertige Daten für das Training und die Evaluierung der mathematischen Argumentationsfähigkeiten großer Sprachmodelle bereitzustellen.

Das Dataset umfasst 3.638.783 Trainingsbeispiele mit einer Gesamtgröße von etwa 144 GB auf der Festplatte. Die Probleme im Dataset stammen aus der AoPS-Community sowie den Foren Math StackExchange/MathOverflow und wurden streng gefiltert und validiert. Es wurden nur hochwertige Lösungswege beibehalten, deren endgültige Antworten mit den Referenzen übereinstimmen. Das Dataset enthält Lösungen sowohl im Modus der Tool-integrierten Argumentation (TIR) mit Python als auch im Modus der reinen Argumentation ohne Werkzeuge (Chain-of-Thought, CoT) und eignet sich für die Erforschung von werkzeugverstärkter Argumentation, reiner Sprachargumentation sowie Systemen mit mehreren Argumentationspfaden. Für Stichproben aus AoPS gilt die Creative Commons Attribution 4.0 International License (CC BY 4.0); für Stichproben aus StackExchange Math gilt die Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA 4.0).

Zusammensetzung des Datasets

• uuid: Kennung der Stichprobe
• problem: Problemstellung, stammt aus AoPS, Math StackExchange und MathOverflow
• messages: standardisierte Sequenz mehrerer Dialogrunden, einschließlich der Rollen system, user, assistant und tool, für das LLM-Training
• expected_answer: verifizierte Zielantwort
• changed_answer_to_majority: boolescher Wert, der angibt, ob die ursprünglich extrahierte Antwort durch eine Mehrheitsabstimmung der generierten Antworten ersetzt wurde
• data_source: Quelle des Problems, unterteilt in AoPS oder StackExchange-Math
• license: Lizenzkennzeichnung jeder Stichprobe; AoPS-Stichproben verwenden cc-by-4.0, StackExchange-Stichproben verwenden cc-by-sa-4.0
• tool_usage: Kennzeichnung des Argumentationsmodus, der angibt, ob die Stichprobe Python-TIR verwendet
• tools: Liste der Werkzeugdefinitionen; bei Stichproben ohne Werkzeuge leer, bei TIR-Stichproben mit Python-Werkzeugspezifikationen
• url: Hyperlink zum ursprünglichen Problem
• user_url: Hyperlink zum Profil des ursprünglichen Autors
• user_name: Benutzername des ursprünglichen Autors
• used_in: reserviertes Feld für die Kennzeichnung der nachgelagerten Verwendung