Исследователи из MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL), King Abdullah University of Science and Technology (KAUST) и компании HUMAIN представили MathNet, крупнейший набор задач по доказательной математике олимпиадного уровня. В него вошло более 30 000 задач и решений, подготовленных экспертами из 47 стран, на 17 языках и из 143 соревнований. По данным авторов, датасет в пять раз больше следующего по размеру набора такого типа. Работа будет представлена на International Conference on Learning Representations (ICLR) в Brazil.
MathNet выделяется не только масштабом, но и географией источников. Предыдущие олимпиадные наборы в основном опирались на соревнования в United States и China. Здесь же собраны материалы из десятков стран на шести континентах, охватывающие четыре десятилетия олимпиадной математики. В датасет входят как текстовые, так и изображённые задачи и решения. Все материалы взяты исключительно из официальных национальных сборников соревнований.
Чтобы собрать архив, исследователи обработали 1 595 PDF‑томов общим объёмом более 25 000 страниц. В коллекцию вошли и современные цифровые документы, и старые сканы на более чем дюжине языков. Значительную часть материалов предоставил Navid Safaei: с 2006 года он вручную собирал и сканировал такие сборники. Для проверки датасета команда привлекла более 30 оценщиков из разных стран, включая Armenia, Russia, Ukraine, Vietnam и Poland. Вместе они проверили тысячи решений.
Ключевые факты
Датасет MathNet включает более 30 000 задач и решений по олимпиадной математике из 47 стран, 17 языков и 143 соревнований.
По данным авторов, MathNet примерно в пять раз больше следующего по размеру датасета задач с доказательствами.
Для создания MathNet исследователи собрали 1 595 PDF‑томов общим объёмом более 25 000 страниц, включая цифровые документы и старые сканы на более чем дюжине языков.
Проект разработан исследователями MIT CSAIL, King Abdullah University of Science and Technology и компанией HUMAIN; работа будет представлена на конференции ICLR в Бразилии.