LaTeXDataHub is an open-source platform dedicated to the sharing and contribution of real-world LaTeX image datasets and their annotations, allows users to upload, download, and contribute to a growing collection of high-quality LaTeX datasets. To ensure that the data is not dependent on third-party platforms and can be shared everywhere, I recommend using magnet links to deliver the dataset.
LaTeXDataHub 是一个开源平台，致力于共享和贡献真实 LaTeX 图像数据及其注释，允许上传、下载并为高质量 LaTeX 数据集做出贡献（数据集接受任何语言）。为确保数据不依赖于第三方平台，以及在任何地方都能够共享，我们建议使用磁力链接传递数据集。
对于较为标准的现代打印latex文档的数据图片，您可以直接采用MixTeX，它已有较高的准确率，您只需要纠正少量的错误。
对于手写或者老教材latex的数据集，目前MixTeX暂时还没有训练过，表现的不太好。
您可以采用chatgpt或者claude辅助标注。您可以参考以下提示词：latex ocr 直接输出，所有公式用align*，文字放在外面，文内公式用( .. )，不要废话，不要继承直接输出ocr结果：
使用电脑截图可以轻松获取，对于该数据集，您通常可以直接采用MixTeX，它已有较高的准确率，您只需要纠正少量的错误。
我们会在将来的MixTeX应用上提供四个数据标注选项分别是：（完整修改标注提交，小错误反馈，公式编译失败反馈，重复反馈)
对于完整修改标注提交我们将延续之前的训练，对于反馈我们将会探索RLHF训练方法。
参考数据集：https://huggingface.co/datasets/stanford-crfm/i2s-latex?row=0
手写latex 可以是平时作业的手写稿件，也可以是在推导过程中的草稿，需要分为两类（整洁，草稿）。
请在此声明您目前准备截取黑板板书的视频链接，或者您经老师允许在课上的拍照。
