-
fix bold highlighting in evaluation tables
-
bold best scores in experiment results
-
language switch
-
change name
-
add README
-
add English README
-
add dataset navigation links for L1 and L3
zcy
-
docs: 简化术语格式，移除英文括号注释
zcy
-
docs: add complete project documentation and pipeline diagram
zcy
-
Create README.md
# UltraData-Math
<div align="center">
<img src="assets/ultradata-math-logo.png" width="600"/>
</div>
<div align="center">
[📜 技术报告](https://arxiv.org/abs/xxxx.xxxxx) | [📄 MiniCPM 论文](https://huggingface.co/papers/2506.07900) | [💻 代码仓库](https://github.com/openbmb/UltraData-Math) | [🌐 项目主页](https://huggingface.co/collections/openbmb/minicpm-4-6841ab29d180257e940baa9b)
</div>
## 📚 简介
高质量预训练数据对提升大语言模型的数学推理能力至关重要。然而，现有数学预训练数据构建方案存在以下不足：
- **HTML 解析层面**：通用提取器（如 trafilatura、readability）主要面向新闻/文章场景设计，对数学公式等内容缺乏专门处理，常导致公式结构破坏或丢失；同时论坛类页面的数学讨论部分，难以完整提取。
- **数据质量层面**：现有数据集普遍缺乏系统的质量分级机制，高价值数学内容与低质噪声混杂。
- **数据多样性层面**：主流数据集多源自教科书或竞赛题库，缺少真实网页中的数学讨论与应用场景；合成数据格式单一，难以覆盖多轮对话、多风格表达等多样化需求。
针对上述问题，我们提出 ***UltraData-Math***——一个面向数学推理任务的大规模高质量预训练数据集。本数据集基于 [Ultra-Data](xxx)的L0-L4 分级数据处理框架开发，包含四个递进层级：(1) L0 原始数据层，基于 *magic-html* 开发数学解析器，结合 *w3m* 布局保持渲染与多级回退策略，将 MathML、KaTeX、AsciiMath 标准化为 LaTeX 格式；(2) L1 过滤数据层，通过启发式规则清洗噪声并进行文档级去重；(3) L2 精筛数据层，使用闭源大模型标注种子数据并蒸馏至轻量 Embedding 分类器，实现全量语料的高效质量分级；(4) L3 …
