MathPile es un corpus central de matemáticas que contiene aproximadamente 9.500 millones de tokens. Recolecta contenido matemático de libros de texto (incluidas notas de clase), arXiv, Wikipedia, ProofWiki, StackExchange y páginas web, siendo adecuado para niveles K-12, universitario, de posgrado y para concursos de matemáticas. MathPile ofrece alta calidad de datos y una rica documentación para aumentar la transparencia y brindar a los usuarios flexibilidad en el uso de los datos. En cuanto a la licencia, MathPile sigue la licencia BY-NC-SA 4.0, con planes de lanzar pronto una versión de uso comercial.