Notícias
Corpus TOME-Math Aumenta o Raciocínio Matemático da IA em 16.7 Pontos
TOME-Math, um corpus estruturado de livros didáticos 2,118 , melhora o raciocínio matemático da IA em 16.7 pontos percentuais, superando as referências públicas.
Artigo traduzido. Ler o artigo original.
Um artigo de pesquisa inovador em IA, Escalando a Supervisão de Provas Matemáticas a partir de Livros Didáticos Estruturados, publicado em 2026-11-13 , apresenta o TOME-Math (Evidência Matemática Orientada para Livros Didáticos), um corpus de grande escala projetado para aprimorar o raciocínio matemático em modelos de linguagem. Desenvolvido pelos autores principais Youqing Fang, Zhouqi Hua, Yinhao Tang, Yuzhe Gu e Lingkai Kong, o estudo demonstra um aumento significativo de 16.7 pontos percentuais no desempenho do modelo quando ajustado a este conjunto de dados.
Supervisão Matemática Estruturada
O TOME-Math transforma livros didáticos de matemática de nível universitário 2,118 em aproximadamente 380,000 registros estruturados de supervisão de provas. Ao contrário de conjuntos de dados tradicionais que achatam problemas matemáticos em pares isolados de problema-solução, o TOME-Math preserva a organização curricular, incluindo a ordem dos capítulos, links de proposição-prova, referências de dependência e proveniência das fontes. Essa abordagem estruturada permite a aprendizagem curricular em múltiplas disciplinas matemáticas e fornece uma estrutura escalável para estudar o impacto da organização dos dados no raciocínio matemático.
Aprimoramentos no Desempenho
Ajustar um modelo de linguagem base no TOME-Math resultou em um aumento de 16.7 pontos percentuais na média não ponderada de pontuação em avaliações retidas e benchmarks públicos estabelecidos. O corpus superou todos os três benchmarks de dados de instrução pública testados em conjunto, destacando sua eficácia em avançar as capacidades de raciocínio matemático da IA.
Implicações e Pesquisas Futuras
Os autores enfatizam que livros didáticos estruturados representam uma fonte escalável e subutilizada de supervisão matemática. Ao liberar o corpus TOME-Math, a equipe de pesquisa pretende facilitar a exploração adicional da supervisão matemática estruturada e suas aplicações em IA. Este desenvolvimento ressalta o potencial de aproveitar materiais educacionais estruturados para melhorar as capacidades de raciocínio de grandes modelos de linguagem.
Mais artigos em português · Comparações financeiras e fontes da SEC (inglês)