arXiv cs.AI· Youqing Fang, Zhouqi Hua, Yinhao Tang, Yuzhe Gu, Lingkai Kong, Bin Liu, Weiming Zhang, Kai Chen, Yanan Sun, Wenwei Zhang·· 13 小时前AI 评分42
TOME-Math：从 2,118 本教材构建 38 万条结构化数学证明监督数据
Scaling Mathematical Proof Supervision from Structured Textbooks
AI 导读
研究者构建 TOME-Math 语料库，将 2,118 本大学数学教材转换为约 380K 条结构化证明监督记录，保留章节顺序、命题-证明链接与依赖引用。全量微调后，模型在留出评测与公开基准上的未加权平均分较基座模型提升 16.7 个百分点，并在总体上超过三个公开指令数据基线。该语料库将公开发布。
正文 · AI 翻译
摘要：语言模型的数学监督通常被扁平化为孤立的问题-解答对，丢弃了原始来源的课程组织与证据结构。我们提出 TOME-Math（Textbook-Oriented Mathematical Evidence，面向教科书的数学证据），这是一个大规模语料库，将涵盖大学数学学科核心领域的 2,118 本教科书转换为约 380K 条结构化证明监督记录，同时保留章节顺序、命题-证明链接、依赖引用和来源出处。利用这些结构信号，我们探索了跨多个数学学科的课程学习，并刻画了随监督量和来源广度变化的扩展模式。在完整规模下，在 TOME-Math 上微调使我们在留出评估和既有公开基准上的未加权平均分较基础模型提升 16.7 个百分点，同时在总体上超过所评估的全部三个公开指令数据基线。我们的发现凸显了结构化教科书既是可扩展的数学监督来源，也是研究数据组织对数学推理影响的实证框架。我们将发布该语料库，以促进对结构化数学监督的进一步研究。
| 评论： | 35 页，18 幅图，14 张表 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.40394 [cs.CL] |
| （或 arXiv:2610.40394v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40394 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Youqing Fang [查看邮箱]
[v1]
2026 年 10 月 29 日星期四 16:32:59 UTC（28,078 KB）
来源：arXiv cs.AI · arxiv.org