数学竞赛资料

MathPile

gair-nlp.github.io

MathPile是面向数学领域的大规模公开语料库项目，核心定位为高可信度的高质量数学文本数据集合，总标记量约95亿，内容覆盖K-12到研究生阶段及数学竞赛相关内容。核心功能包括多来源数学内容整合收录、分级内容适配、规范授权支持。其数据来源覆盖教科书、讲座笔记、arXiv、维基百科、ProofWiki、StackExchange及公开数学类网页。目标用户涵盖数学领域研究者、大中小学数学教研人员、AI大模型训练从业者、数学竞赛备赛人员、数学科普内容创作者、数学专业学生。可应用于大模型数学能力训练、数学教研内容参考、数学知识库搭建、数学竞赛资料整理等场景。