ResearchMath-14K：通过智能体实现科研级数学规模化

数学研究的前沿由尚未知晓解答的问题所定义，但语言模型能否在无需人工干预的情况下真正参与其中仍不明朗。这一重要障碍是缺乏大规模科研级数学数据集。为此，我们引入 ResearchMath-14k，这是一套 $14{,}056$ 题经由多智能体管道精选的科研级数学问题，是迄今为止最大规模的此类问题集合。我们进一步生成 ResearchMath-Reasoning，包含 $220$K 条两款开源模型的教师轨迹，观察到包括不尝试与虚构参考等反复规避行为。有趣的是，在八款开源权重模型中，更新后的模型在每条轨迹中产生的参考文献数为原来的 $5.6$ 倍，虚构参考文献数为原来的 $5.0$ 倍。经智能体过滤后的 ResearchMath-Reasoning 用于微调 Qwen3 模型（参数从 4B 扩展至 30B），在基准模型上平均提升 $9.2$ 分。这表明即便没有完整正确的推理轨迹，经过滤后的开放性问题尝试仍可提供有用的监督信号。我们将使 ResearchMath-14k 公开，以便未来工作使用。