结构化/非结构化题库-教育题库 (gsm8k)
数据集简介
主要数据内容包括： 高中数学题库与习题解析数据 代数、几何、三角函数、微积分等数学内容 数学公式、函数图像与推导数据 分步骤（Step-by-Step）解题过程数据 SAT、ACT、GRE 等数学练习题资源 数学计算器、图形工具与交互式教程数据 数学 Worksheet 与测试题数据 概率统计与线性代数基础内容 支持的能力方向包括： 数学推理（Math Reasoning）模型训练 Chain-of-Thought（CoT）步骤推理训练 数学问答与自动解题系统训练 公式理解与符号推理 教育类 AI 与 Tutor 模型训练 数学知识检索与 RAG 系统训练 数学 OCR 与公式解析 STEM 教育类 Benchmark 构建 适用于： Math LLM 与教育 AI 研发 自动解题与数学辅导系统 数学题库与训练集构建 CoT 推理数据生成 SAT / GRE 数学训练 数学知识图谱构建 在线教育与智能教学平台
数据质量
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
