---
title: mathpile
canonical_url: "https://www.modelscope.cn/datasets/Shanghai_AI_Laboratory/mathpile"
md_url: "https://www.modelscope.cn/datasets/Shanghai_AI_Laboratory/mathpile.md"
repository: Shanghai_AI_Laboratory/mathpile
last_updated: 2024-10-17
license: CC-BY-NC-SA-4.0
storage_size: "7.2 GB"
downloads: 770
stars: 1
---

# mathpile

> mathpile - Shanghai_AI_Laboratory 在 ModelScope 开源的数据集。简介 在构建强大的基础模型中，高质量、大规模的语料库是其核心的组成部分。在本研究中，我们推出了“MathPile”，这是一个多样化且高质量的数学主题语料库，包含约95亿个tokens。 其数据包括教科书（含讲义）、arXiv、维基百科、ProofWiki、StackExchange 和网页。它包含适合 K-12、大学、研究生水平和数学竞赛的数学内容。

Shanghai_AI_Laboratory/mathpile 是 ModelScope 魔搭社区上的数据集，存储大小 7.2 GB，采用 CC-BY-NC-SA-4.0 许可。

- **Repository**: Shanghai_AI_Laboratory/mathpile
- **License**: CC-BY-NC-SA-4.0
- **Storage size**: 7.2 GB
- **Downloads**: 770
- **Stars**: 1
- **Last updated**: 2024-10-17

Source: https://www.modelscope.cn/datasets/Shanghai_AI_Laboratory/mathpile

---

#### 简介
在构建强大的基础模型中，高质量、大规模的语料库是其核心的组成部分。在本研究中，我们推出了“MathPile”，这是一个多样化且高质量的数学主题语料库，包含约95亿个tokens。 其数据包括教科书（含讲义）、arXiv、维基百科、ProofWiki、StackExchange 和网页。它包含适合 K-12、大学、研究生水平和数学竞赛的数学内容。

#### 引文
@article{wang2023mathpile,
title={Generative AI for Math: Part I -- MathPile: A Billion-Token-Scale Pretraining Corpus for Math},
author={Wang, Zengzhi and Xia, Rui and Liu Pengfei},
journal={arXiv preprint arXiv:2312.17120},
year={2023}
}

#### 下载方法 
:modelscope-code[]{type="sdk"}
:modelscope-code[]{type="git"}