Датасет · tokyotech-llm
Математический текстовый корпус на 32 млрд токенов
tokyotech-llm/swallow-math-v2
Англоязычный математический датасет для обучения и дообучения языковых моделей решению задач.
Что внутри
Представляет собой обновленную и расширенную версию SwallowMath-v1, содержащую 32 миллиарда токенов на английском языке (от 10 до 100 миллионов записей). Корпус собран с акцентом на больший объём данных и более свободное лицензирование по сравнению с первой версией.
Что можно сделать
- Предобучение (pre-training) или продолженное обучение LLM для усиления математических навыков
- Создание специализированных моделей для логического вывода и решения задач
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 9,6 тыс.
- Лайков
- 37
Модели, обученные на нём
- mradermacher/GPT-OSS-Swallow-120B-RL-v0.1-i1-GGUF 5,5 тыс.
- tokyotech-llm/Qwen3-Swallow-8B-RL-v0.2Генерация текста 5,3 тыс.
- tokyotech-llm/Qwen3-Swallow-8B-SFT-v0.2Генерация текста 3,2 тыс.
- mradermacher/Qwen3-Swallow-30B-A3B-RL-v0.2-heretic-i1-GGUF 1,3 тыс.
- mradermacher/GPT-OSS-Swallow-20B-SFT-v0.1-i1-GGUF 1,2 тыс.
- mradermacher/GPT-OSS-Swallow-20B-RL-v0.1-i1-GGUF 1,2 тыс.
- tokyotech-llm/Qwen3-Swallow-8B-CPT-v0.2Генерация текста 1,2 тыс.
- mradermacher/Unbound-v1.12.0-27B-i1-GGUF 1,1 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("tokyotech-llm/swallow-math-v2")