Das Datenset Orca-Math für Grundschulmathematik wurde 2024 von Microsoft veröffentlicht. Es umfasst etwa 200.000 Textaufgaben aus der Grundschulmathematik. Die zugehörige Publikation ist Orca-Math: Unlocking the potential of SLMs in Grade School Math. Ziel ist es, die mathematischen Fähigkeiten von Sprachmodellen zu verbessern und eine solide Grundlage für die Lösung mathematischer Probleme zu schaffen.

Das Datenset nutzt Azure GPT-4-Turbo zur Generierung von Lösungen für mathematische Aufgaben. Es deckt verschiedene Typen von Textaufgaben der Grundschulmathematik ab und kann für die feineinstimmende Anweisung (Instruction Tuning) im mathematischen Bereich, die Erweiterung durch synthetische Daten sowie die Erforschung der mathematischen Inferenzfähigkeiten von Modellen verwendet werden.

Zusammensetzung des Datensatzes

Der Datensatz enthält einen Trainingsdatensatz (train) mit insgesamt 200.035 Beispielen. Jedes Beispiel umfasst die folgenden zwei Hauptfelder:

• question: Englische mathematische Textaufgabe.
• answer: Die entsprechende Lösung zur Frage.

Zitation

@misc{mitra2024orcamath,
      title={Orca-Math: Unlocking the potential of SLMs in Grade School Math}, 
      author={Arindam Mitra and Hamed Khanpour and Corby Rosset and Ahmed Awadallah},
      year={2024},
      eprint={2402.14830},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}