К содержимому

Датасет · kotekjedi

Восстановленные скрытые рассуждения 27 закрытых LLM

kotekjedi/stolen-thoughts

Датасет к исследованию об извлечении скрытых цепочек рассуждений из проприетарных API на сложных задачах.

Что внутри

Репозиторий к научной статье (arXiv:2608.09867) содержит от 10 до 100 тысяч записей на английском языке в текстовом и табличном форматах. Внутри находятся ответы проприетарных API и восстановленные из них скрытые цепочки рассуждений для 27 моделей на задачах Humanity's Last Exam, олимпиады AIME 2025 и Codeforces. Также включён отдельный срез fortress с ответами из эксперимента по проверке на вредоносные знания.

Что можно сделать

  • Анализ и сравнение скрытых цепочек рассуждений (reasoning traces) закрытых моделей
  • Исследование уязвимостей и безопасности рассуждающих LLM через срез fortress
  • Дистилляция навыков решения олимпиадных и алгоритмических задач в открытые модели
Задачи
Генерация текста
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
13,7 тыс.
Лайков
8
Доступ
по запросу на Hugging Face

Как загрузить

from datasets import load_dataset

ds = load_dataset("kotekjedi/stolen-thoughts")