OpenMath MATH Masked は、NVIDIA が 2024 年に公開した、数学的推論と合成データ生成に特化したデータセットです。関連する論文成果は「OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset」です。このデータセットは、解答手順のマスキング版を提供することで、より一貫性が高く高品質な数学合成データの生成を支援し、指示チューニングモデルの性能向上を図ることを目的としています。

本データセットは MATH データセットの解答に基づいて構築されており、マスキング技術を用いて元の解答を直接コピーすることによる推論の不整合を軽減します。数学分野における指示チューニングや合成データ拡張のシナリオに適しています。

データセットの構成

データセットには主に以下のフィールドが含まれます。

• question：数学の問題。
• masked_reference_solution：マスキング処理を施した参照解答手順。
• reference_solution：元の参照解答手順。
• expected_answer：問題に対応する標準解答。
• level、type：問題の難易度やカテゴリーなどの情報（実際のデータファイルに準拠）。

引用

@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}
}