Register and share your invite link to earn from video plays and referrals.

cv usk
@cv_usk
AI / Software Research Notes AI Agent, LLMOps, MLOps, Software Architecture 投稿は個人の意見です。
Joined May 2026
287 Following    475 Followers
数学の学習データは「問題と解答のペア」に平坦化すると、教科書が持っていた構造を失います。 Scaling Mathematical Proof Supervision from Structured Textbooks 📚 概要 2,118冊の教科書から、章の階層・命題の依存・カリキュラム順を保ったまま380,292件のQAを作るコーパスTOME-Mathを構築しました(29分野)。 🎯 解決する課題 従来の数学SFTデータは量で勝負しがちで、章の順序や証明の依存関係が捨てられていました。構造を残したまま証明の教師データをスケールできるかが問いです。 🔧 手法 ・DeepSeek-OCRで教科書をMarkdown化し、定理・補題・証明をProof QAとして抽出 ・証明の抜けや暗黙のステップを検出し、独立した命題として証明し直すGap QAを生成(918,235候補から19%を採用) ・品質判定器で正確性などを採点 🧪 結果 Qwen3-30B-A3B-Baseを1エポック学習すると、6ベンチマークの平均が29.17から45.83になりました。MathInstructの41.10を上回り、6つ中5つで最良です(AIME-26はMathInstructに次ぐ2位)。順方向のカリキュラムでGap QAを先に置くとシャッフルより高く、Gap QAを外すと証明系で5〜7ポイント下がります。 注意点として、比較対象とはデータの性質が複数違うため、構造だけが効いたとは言い切れません。 #Mathematics# #LLM#
Show more