Upload folder using huggingface_hub

.ms_upload_cache

@@ -0,0 +1 @@
+{"version": 3, "repo_id": "wcpsoft/arithmetic-llm", "files": {"./README.md|1786268159.3268275|1798": {"hash": "a3f3b1b828b5de53eb874358cbb4726109b46cd8dc2e2765ba8aa2eb1e1fb00d", "size": 1798, "status": "f", "error_type": "commit_file_invalid"}, "./mnist_data.parquet|1786265150.9011312|30658478": {"hash": "8b6f7fe2d5159014a0c0dce4be55b1169ccfc95b34c815a4255b05b85017b302", "size": 30658478, "status": "f", "error_type": "commit_file_invalid"}, "./arithmetic_llm.parquet|1786268159.261729|32210506": {"hash": "9aa050d7bdbf0521aec8d470e345da97bf36ac7e6ff666eb768126a2032c0935", "size": 32210506, "status": "f", "error_type": "commit_file_invalid"}, "README.md|1786268159.3268275|1798": {"hash": "a3f3b1b828b5de53eb874358cbb4726109b46cd8dc2e2765ba8aa2eb1e1fb00d", "size": 1798, "status": "c"}, "mnist_data.parquet|1786265150.9011312|30658478": {"hash": "8b6f7fe2d5159014a0c0dce4be55b1169ccfc95b34c815a4255b05b85017b302", "size": 30658478, "status": "c"}, "arithmetic_llm.parquet|1786268159.261729|32210506": {"hash": "9aa050d7bdbf0521aec8d470e345da97bf36ac7e6ff666eb768126a2032c0935", "size": 32210506, "status": "c"}}}

README.md

@@ -0,0 +1,61 @@
+---
+language:
+- zh
+- en
+license: cc-by-sa-4.0
+tags:
+- mnist
+- arithmetic
+- byte-level
+- image-to-text
+task_categories:
+- image-classification
+---
+
+# arithmetic-llm
+
+**MNIST 图像 → 字节级算术** 训练数据集。
+
+用于教学向的字节级算术大模型 (`byte-omni-model-zh`)：给定一个显式数字 (digit 0-9) 与一张 MNIST 图像 (隐式数字)，预测两者之和。
+
+```text
+输入: digit_byte + MNIST_image_bytes
+输出: result_bytes
+
+示例:
+  digit = "1" + image(数字 "2") → 预测 "3"
+```
+
+## Schema
+
+| 列 | 类型 | 说明 |
+|----|------|------|
+| `id` | int | 序号 |
+| `image_base64` | str | MNIST 图像 PNG (base64) |
+| `pixels` | float[] | 28×28 展平像素 (0-1), 784 维 |
+| `label` | int | 图像数字标签 (0-9) |
+| `split` | str | `train` (59134) / `test` (9943) |
+| `image_hash` | str | SHA-256 逐字节指纹 |
+| `phash` | str | 16×16 感知哈希位串 (与 label 综合去重) |
+
+## 划分
+
+| split | 行数 |
+|-------|------|
+| train | 59134 |
+| test  | 9943  |
+| 合计   | 69077 |
+
+## 清洗说明 (去重)
+
+- 原始 MNIST 无逐字节重复 (SHA-256 重复 = 0)。
+- 但存在大量**视觉近重复** (同图数字, 仅差少量像素)。
+- 采用 **16×16 感知哈希 + label 综合去重**: 键 = `(phash, label)`, 保留首现。
+  - 同图同数字 → 视为冗余删除; 同图异数字 → 作为难样本保留。
+- 去重结果: train 60000 → 59134 (删 866), test 10000 → 9943 (删 57)。
+
+## 来源与许可
+
+- 原始数据: Yann LeCun 的 MNIST 手写数字数据集 (cc-by-sa-4.0)。
+- 本数据集为加工版本：补充 PNG base64、784 维像素数组、SHA-256 指纹与 16×16 感知哈希，按 train/test 划分并去重。
+- 用法示例见 [byte-omni-model-zh](https://github.com/wcpsoft/byte-omni-model-zh)。

arithmetic_llm.parquet

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9aa050d7bdbf0521aec8d470e345da97bf36ac7e6ff666eb768126a2032c0935
+size 32210506

mnist_data.parquet

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:8b6f7fe2d5159014a0c0dce4be55b1169ccfc95b34c815a4255b05b85017b302
+size 30658478