OpenMath MATH Masked ist ein von NVIDIA im Jahr 2024 veröffentlichter Datensatz, der sich auf mathematisches Schlussfolgern und die Generierung synthetischer Daten konzentriert. Das zugehörige Paper ist „OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset“. Ziel ist es, durch die Bereitstellung maskierter Versionen der Lösungsschritte die Generierung konsistenterer und qualitativ hochwertigerer synthetischer mathematischer Daten zu unterstützen und so die Leistung von Modellen im Bereich Instruction Fine-Tuning zu verbessern.

Der Datensatz basiert auf den Lösungen des MATH-Datensatzes. Durch die Maskierungstechnik werden inkonsistente Schlussfolgerungen reduziert, die durch das direkte Kopieren der ursprünglichen Lösungen entstehen können. Er eignet sich für Anwendungsfälle im Bereich Instruction Fine-Tuning und synthetische Datenanreicherung im mathematischen Bereich.

Zusammensetzung des Datensatzes

Der Datensatz enthält hauptsächlich die folgenden Felder:

• question: Die mathematische Fragestellung.
• masked_reference_solution: Der maskierte Referenz-Lösungsweg.
• reference_solution: Der ursprüngliche Referenz-Lösungsweg.
• expected_answer: Die Standardantwort auf die Frage.
• level, type: Informationen zur Schwierigkeit und Kategorie der Aufgabe; die tatsächlichen Daten sind maßgeblich.

Zitierung

@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}
}