AI大模型训练数据包（高级数学类1986G）简介：

• 2025年3月22日，最新发布高级数学类数据包（1986G），本数据包与数学类数据包（516G）重复率不超过1%。
• 数据来自世界知名大学相关信息渠道获取的大学以上水平的问题、答案、材料等，，并通过允许各大模型技术使用文本推理和 Python 解释器执行的代码块混合来综合生成解决方案。
• 数据包内大学目录含：耶鲁大学、哈佛大学、牛津大学、纽约大学、芝加哥大学、剑桥大学等教学解题数据与教学材料等，数据集被分为我们在消融实验中使用的训练和验证子集。全量皆为大学水平以上。
• LLM大模型训练数据包（高级数学类）包含以下字段：

question：来自 名校等渠道的高级数学问题 。
generated_solution：使用文本推理和代码块混合生成的解决方案。
expected_answer：原始数据集中提供的真实答案。
predict_answer：相应解决方案中 Mixtral 模型预测的答案（从中提取\boxed{}）。
error_message：<not_executed>如果未使用代码。否则为空或包含来自相应代码块的 Python 异常。字符串timeout表示代码块执行时间超过 10 秒。在当前数据集版本中，我们总是在出现任何错误或超时后停止生成。
is_correct：我们的评分脚本是否认为最终答案正确。
数据集：neuronicx_math_high或 neuronicxLLM-math_high。
generation_type：without_reference_solution或masked_reference_solution。
其他补充：由于数据庞大，格式众多，我们除了将数据整理成以上适合LLM训练格式外，对于更加复杂的题目进行了额外的数据解释和补充，部分需要补充的数据则会增加相关的数据特点（例如增加更多字段、格式）。
原始数据集：部分数学由于符号过为复杂，一般会以原始数据直接训练，因此不做Jason格式的转换处理。 

（LLM训练格式示例 Jason格式数据 示例）

• 数据包包含：原始数据、经处理的数据、数据包使用手册等，可直接进行大模型训练，合计约2000G左右，大概约1亿条高级数学数据，大部分为文档、Text、Jason、Latex、图片、影片等格式。
• 本数据由于数量较大，分为4个数据包版本，每个数据包4.9万港币，每个约3000万左右高级数学数据。

更新日志：数据包的定期更新可能会因每次更新而改变，例如，优化数据错误、重复率、格式变化等，具体以实际为准。
发布日期：2025年3月22日（本数据包每3个月会对数据进行更新与增加数据量，已购买的用户可在下载链接中免费获取最新的数据）

在官网一次性下单多个数据包时，你可以使用以下优惠码进行减免。（本系列分批下单不支持以下优惠）

• 10%优惠码：LLM10（购买2个Chegg数据包时使用，可直接减免10%金额）
• 20%优惠码：LLM20（购买4个Chegg数据包时使用，可直接减免20%金额）
• 30%优惠码：LLM30（购买6个Chegg数据包时使用，可直接减免30%金额）
• 40%优惠码：LLM40（购买8个Chegg数据包时使用，可直接减免40%金额）
• 50%优惠码：LLM50（购买10个Chegg数据包时使用，可直接减免50%金额）

注意：官网自助下单如数额较大，可能无法支付，需要联系客服获取大额支付方式。

（LLM大模型原始数据示例 LaTex格式示例）

（将LLM数据包训练后的使用效果 示例）