ニュース
TOME-MathコーパスがAIの数学的推論を16.7ポイント向上
TOME-Mathは2,118の教科書からの構造化コーパスで、AIの数学的推論を16.7パーセントポイント向上させ、公的ベースラインを超えています。
翻訳記事です。 元の記事を読む.
画期的なAI研究論文、Scaling Mathematical Proof Supervision from Structured Textbooksは、2026-11-13に発表され、数学的推論を言語モデルで強化するために設計された大規模コーパスTOME-Math(教科書指向の数学的証拠)を紹介します。主著者Youqing Fang、Zhouqi Hua、Yinhao Tang、Yuzhe Gu、Lingkai Kongが開発したこの研究は、このデータセットに基づいて微調整された際のモデル性能の16.7パーセントポイントの改善を示しています。
構造化された数学的監視
TOME-Mathは、2,118大学レベルの数学教科書を約380,000の構造化された証明監視記録に変換します。伝統的なデータセットが数学的問題を孤立した問題-解決ペアに平坦化するのに対し、TOME-Mathはカリキュラムの組織を保持し、章の順序、命題-証明リンク、依存関係の参照、情報源の起源を含みます。この構造化アプローチは、複数の数学科目にわたるカリキュラム学習を可能にし、数学的推論へのデータ組織の影響を研究するためのスケーラブルな枠組みを提供します。
性能の向上
ベース言語モデルをTOME-Mathで微調整することで、保持評価における非加重平均スコアが16.7パーセントポイント向上し、公共のベンチマークが確立されました。このコーパスは、テストされたすべての公的指導データベースラインを総合的に上回り、AIの数学的推論能力の進展におけるその効果を強調しています。
意味と今後の研究
著者たちは、構造化された教科書が数学的監視のスケーラブルで未利用のリソースを表していることを強調しています。TOME-Mathコーパスのリリースにより、研究チームは構造化された数学的監視とそのAIへの応用のさらなる探求を促進することを目指しています。この発展は、大規模言語モデルの推論能力を向上させるために、構造化された教育資料を活用する可能性を強調しています。