原始資料集：

範例：  

AI大模型訓練資料包（數學類）是一個數學指令調整資料集，其中包含2億個問題解決方案。

這些資料來源美國等地區的超1000家數學平台所獲得的問題、答案、材料等，並透過允許各大模型技術使用文字推理和Python 解釋器執行的程式碼區塊混合來綜合生成解決方案。 本數據70%以上為小中高水準、30%大學水準。

資料集被分成我們在消融實驗中使用的訓練和驗證子集。

LLM大模型訓練資料包（數學類別）包含以下欄位：

問題：來自全球超1000個相關管道。

generated_solution：使用文字推理和程式碼區塊混合生成的解決方案。

expected_answer：原始資料集中提供的真實答案。

predict_answer：對應解中Mixtral 模型預測的答案（從中提取\boxed{}）。

error_message：<not_executed>如果未使用代碼。否則為空或包含來自對應程式碼區塊的Python 異常。字串timeout表示程式碼區塊執行時間超過10 秒。在當前資料集版本中，我們總是在出現任何錯誤或逾時後停止產生。

is_correct：我們的評分腳本是否認為最終答案正確。

資料集：neuronicx1000 或neuronicxLLM-math。

generation_type：without_reference_solution或masked_reference_solution。

LLM大模型訓練資料包（數學類500G）使用流程

購買與下載：

在平台上選擇購買LLM大模型訓練資料包（數學類500G）。

完成付款後，您將收到下載連結或資料交付方式的通知。

下載資料包到本機儲存裝置。

解壓縮與整理：

下載完成後，解壓縮資料包，通常以ZIP或RAR格式壓縮。

資料檔案會依照語言、學術層次（如中學、大學）和具體領域（如代數、幾何、統計等）分類整理，以便於尋找和使用。

資料預處理：

依專案需求，對資料進行格式化處理，適配您的AI模型訓練框架（如PyTorch、TensorFlow等）。

檢查資料中的噪音或不符合標準的內容，確保訓練的準確性。

導入模型訓練環境：

將資料匯入至您的模型訓練環境。

確保資料載入符合模型的輸入要求，如輸入資料格式、批次大小（batch size）等。

模型訓練：

使用該資料包進行模型訓練。此資料包特別適合多語言的數學模型訓練，涵蓋從中學到大學的學術數學內容。

結合資料中的數學類知識，模型可應用於自然語言處理、智慧答案、解題系統等多個領域。

優化與調試：

在訓練過程中，根據初步結果調整模型參數、最佳化器、學習率等，提升模型的精確度與表現。

比較不同學術領域的數據對模型效果的影響，確保全面涵蓋所需知識點。

輸出與應用：

完成訓練後，將模型用於應用場景，如數學解題、教育平台智能化等。

資料包中的多語言、多層次資料支援廣泛的應用場景，特別是涉及全球數學領域的AI專案。

透過此資料包，您將輕鬆獲得多語言、多學術層次的高品質數學數據，為您的AI模型賦能。

更新日誌：資料包的定期更新可能會因每次更新而改變，例如，優化資料錯誤、重複率、格式變更等，具體以實際為準。

發布日期：2024年9月9號（500G）

最新版本：2025年2月26號（726G）

更新日誌：3月31號（906G），推出第二版數學類數據包，內含超過2億條數據，與第一版0重複率。

更新日誌：5月7號（896G），推出第三版數學類資料包，內含超過2億個數據，與第一版、第二版0重複率。

在官網購買多個資料包時，你可以使用以下優惠碼進行減免。 （分批購買亦可享有以下優惠活動）

• 10%優惠碼：LLM10（購買2個Chegg資料包時使用，可直接減免10%金額）
• 20%優惠碼：LLM20（購買4個Chegg資料包時使用，可直接減免20%金額）
• 30%優惠碼：LLM30（購買6個Chegg資料包時使用，可直接減免30%金額）
• 40%優惠碼：LLM40（購買8個Chegg資料包時使用，可直接減免40%金額）
• 50%優惠碼：LLM50（購買10個Chegg資料包時使用，可直接減免50%金額）

注意：官網自助下單如金額較大，可能無法支付，需聯絡客服取得大額支付方式。