AI大模型訓練資料包（高階數學類1986G）簡介：

• 2025年3月22日，最新發布高階數學類資料包（1986G） ，本資料包與數學類資料包（516G）重複率不超過1%。
• 數據來自世界知名大學相關資訊管道獲取的大學以上水平的問題、答案、材料等，並透過允許各大模型技術使用文本推理和Python 解釋器執行的代碼塊混合來綜合生成解決方案。
• 資料包內大學目錄包含：耶魯大學、哈佛大學、牛津大學、紐約大學、芝加哥大學、劍橋大學等教學解題資料與教材等，資料集分為我們在消融實驗中所使用的訓練與驗證子集。全量皆為大學程度以上。
• LLM大模型訓練資料包（高級數學類）包含以下欄位：

question：來自名校等管道的高階數學問題 。
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：neuronicx_math_high或neuronicxLLM-math_high。
generation_type：without_reference_solution或masked_reference_solution。
其他補充：由於資料龐大，格式眾多，我們除了將資料整理成以上適合LLM訓練格式外，對於更複雜的題目進行了額外的資料解釋和補充，部分需要補充的資料則會增加相關的資料特性（例如增加更多欄位、格式）。
原始資料集：部分數學由於符號過為複雜，一般會以原始資料直接訓練，因此不做Jason格式的轉換處理。  

（ LLM訓練格式範例Jason格式資料範例）

• 資料包包含：原始資料、處理過的資料、資料包使用手冊等，可直接進行大模型訓練，合計約2000G左右，大概約1億個進階數學數據，大部分為文件、Text、Jason、Latex、圖片、影片等格式。
• 本數據由於數量較大，分為4個數據包版本，每個數據包4.9萬港幣，每個約3000萬左右高級數學數據。

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。
發佈日期：2025年3月22日（本資料包每3個月會對資料進行更新與增加資料量，已購買的用戶可在下載連結中免費取得最新的資料）

在官網一次下單多個資料包時，你可以使用以下優惠碼進行減免。 （本系列分批下單不支援以下優惠）

• 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。

（ LLM大模型原始資料範例LaTex格式範例）

（將LLM資料包訓練後的使用效果範例）