Noticias
El corpus TOME-Math mejora en un 16,7 % el razonamiento matemático de las IA
TOME-Math, un corpus estructurado compuesto por 2.118 libros de texto, mejora en un 16,7 % el razonamiento matemático de las IA, superando los estándares públicos.
En este artículo
Un artículo de investigación pionera en IA, publicado el 13 de noviembre de 2026, presenta a TOME-Math (Textbook-Oriented Mathematical Evidence), un corpus a gran escala diseñado para mejorar el razonamiento matemático en los modelos lingüísticos. Desarrollado por los autores principales Youqing Fang, Zhouqi Hua, Yinhao Tang, Yuzhe Gu y Lingkai Kong, el estudio demuestra una mejora significativa del rendimiento de los modelos de un 16,7 % cuando se los ajusta (fine-tunes) utilizando este conjunto de datos.
Supervisión matemática estructurada
TOME-Math convierte 2.118 libros de texto de matemáticas de nivel universitario en aproximadamente 380.000 registros de supervisión de pruebas matemáticas estructuradas. A diferencia de los conjuntos de datos tradicionales, que simplifican los problemas matemáticos en pares de problema-resolución aislados, TOME-Math mantiene la organización curricular original, incluyendo el orden de los capítulos, las relaciones entre proposiciones y pruebas, las referencias de dependencia y la procedencia de las fuentes.Este enfoque estructurado permite el aprendizaje del currículo a través de múltiples asignaturas matemáticas y proporciona un marco escalable para estudiar el impacto de la organización de los datos en el razonamiento matemático.
Mejoras en el rendimiento: El ajuste fino de un modelo de lenguaje base en TOME-Math resultó en un aumento del 16,7 por ciento en la puntuación media no ponderada en las evaluaciones realizadas y en los puntos de referencia públicos establecidos. El corpus superó en rendimiento a los tres puntos de referencia de datos de instrucción pública probados en su conjunto, destacando su eficacia para avanzar las capacidades de razonamiento matemático de la IA.
Implicaciones e investigación futura: Los autores enfatizan que los libros de texto estructurados representan una fuente de supervisión matemática escalable y subutilizada. Al publicar el corpus TOME-Math, el equipo de investigación pretende facilitar la exploración adicional de la supervisión matemática estructurada y sus aplicaciones en la IA. Este avance subraya el potencial de utilizar materiales educativos estructurados para mejorar las capacidades de razonamiento de los grandes modelos de lenguaje.
- Investigación en IA
- Razonamiento matemático
- TOME-Math
- Modelos de lenguaje
