高质量、大规模的数学语料库MATHPILE

共计 178 个字符，预计需要花费 1 分钟才能阅读完成。

MATHPILE 是一个国内大学联合开发的高质量、大规模的数学语料库，29 GB，包含约 95 亿个 tokens，涵盖从 K-12 到大学、研究生水平和数学竞赛的内容，包括高质量教科书、讲义、科学论文等，提供详细的数据记录，包括数据集表格和质量注释，提高透明度并允许用户根据需要定制数据。

项目主页：https://gair-nlp.github.io/MathPile