Arquimedes 竞赛数学题库
数据集简介
题目构成与统一记录格式
Arquimedes 对 9 个来源数据集进行去重整合,最终形成 1,038,963 道数学题的统一集合。每道题都遵循共享的 v2 记录 schema(说明见 docs/schema.md),核心字段包括:
difficulty.mohs:标定后的 Mohs 难度,取值 1.0 至 10.0;answer.value与answer.letter:答案内容与选项字母;source.collection与source.tags:题目来源集合与类别标签;- 规范化 LaTeX 题干,便于检索与渲染。
除题干与答案外,库中保存了 797,671 份书面解答,以及 277,002 条模型推理轨迹和 1,219 张图示(SVG/JPG)。
来源数据集与类别分布
9 个来源数据集的 slug 分别为:anumina、deepmath、bigmath、math、core、omnimath、olympiadbench、cemc、aops。每个数据集在 problems/<slug>/ 下以 gzip 压缩的 JSONL 分片独立存放,并共享同一套 v2 记录 schema。
类别与竞赛覆盖信息可通过 data/index.json 与 source.tags 字段查询;精简索引约 0.8 GB,完整 SQLite 库约 1.7 GB,分片总量约 1.3 GB。
命令行工具与 MCP 服务器
项目提供 arquimedes-mcp 包,可通过 uv 安装使用。该包本身不含题目,需先从 Hugging Face 数据集下载(约 1.3 GB 分片与约 0.8 GB 精简索引),命令为 uvx arquimedes-mcp fetch。
安装方式有两种:
- 从 PyPI 安装:使用 uv 工具链直接获取
arquimedes-mcp; - 从代码仓库检出后安装:在本地 checkout 中完成依赖配置。
MCP 服务器同样支持从代码仓库检出后启动,便于在本地环境中接入题目检索与采样能力。
许可与来源标注
代码部分(arquimedes/、tools/、site/)采用 MIT 许可。项目自建的标注内容——包括 difficulty.mohs、类别标签与 data/index.json——采用 CC BY 4.0 许可。
题干、解答、答案与图示属于第三方材料,本项目不持有其版权,也不对其进行重新授权;各来源的许可情况见 docs/datasets.md 表格,例如 numina、bigmath、omnimath、olympiadbench 为 Apache 2.0,math 与 deepmath 为 MIT,cemc 为 CC BY-NC 4.0。使用时应按各来源许可要求进行署名与合规使用。