mAceReason-Math：高品質多語言數學資料集

🔑 增強重點摘要

• •資料集涵蓋14種語言，總計約150k個翻譯後的推理問題與解答，透過GitHub公開釋出以促進多語言RLVR研究。[2]
• •最終平行訓練分割包含每個語言7,620個樣本，確保跨語言研究結果的可比性，並附有人工驗證的190個測試樣本。[1]
• •建置流程結合目標清理、迭代LLM翻譯及母語者檢查，以產生忠實高品質問題，從AceReason-Math的過濾子集衍生。[1]

🛠️ 技術深入

• •資料集源自AceReason-Math的過濾子集，手動檢查並修復表面問題（如可救贖的損壞資料），排除嚴重錯誤樣本。[1]
• •翻譯階段使用迭代LLM生成，母語者評註「可接受」或「有問題」樣本，並處理噪音建議以提升品質。[1]
• •平行訓練分割僅包含所有目標語言均通過翻譯驗證的樣本，總計每個語言7,620個。[1]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線