一个多样化且高质量的以数学为中心的语料库，包含约 95 亿个tokens。其数据包括教科书（包括讲义）、arXiv、维基百科、ProofWiki、StackExchange 和网页。它包含适合 K-12、大学、研究生水平和数学竞赛的数学内容。

MathPile | #语料库