OpenMathInstruct-2 は、数学分野における人工知能の進歩を加速することを目的として、2024 年に NVIDIA によってリリースされた大規模なオープンソース数学指導データセットです。関連する論文結果は「」です。OpenMathInstruct-2: 大量のオープンソース命令データを使用して数学用 AI を加速する”。このデータセットには 1,400 万の質問と回答のペア (約 600,000 の一意の質問) が含まれており、この種の以前の最大のデータセットよりもほぼ 8 倍大きくなります。 OpenMathInstruct-2 を使用して Llama-3.1-8B-Base モデルを微調整することにより、MATH データ セットのパフォーマンスが Llama3.1-8B-Instruct と比較して 15.9% (51.9% から 67.8%) 向上しました。

OpenMathInstruct-2 データセットには次のフィールドが含まれています。

• 問題: GSM8K または MATH トレーニング セットからの元の問題、またはこれらのトレーニング セットから強化された問題。
• 生成されたソリューション：合成的に生成された溶液。
• 予想される答え: トレーニング セット内の質問の場合、それはデータ セットで提供される実際の参照回答です。強化された質問については、多数決による回答となります。
• 問題のソース: 質問が GSM8K または MATH から直接得られたものであるか、いずれかのデータ セットから派生した拡張バージョンであることを示します。