Датасет · nvidia
Синтетический корпус с рассуждениями для генерации кода
nvidia/OpenCodeReasoning-2
2,5 млн примеров кода на Python и C++ с цепочками рассуждений от NVIDIA для SFT-обучения.
Что внутри
Крупнейший на момент релиза синтетический датасет с рассуждениями для программирования. Содержит 1,4 млн примеров на Python и 1,1 млн примеров на C++, составленных по 34 799 уникальным задачам из олимпиадного программирования. Данные ориентированы на задачи дополнения и критики кода.
Что можно сделать
- Supervised fine-tuning (SFT) языковых моделей для генерации и дописывания кода
- Обучение моделей-критиков для поиска ошибок и анализа программ
- Усиление навыков пошагового логического вывода (reasoning) у кодовых LLM
- Задачи
- Генерация текста
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 13,7 тыс.
- Лайков
- 64
Модели, обученные на нём
- mradermacher/GPT-OSS-Code-Reasoning-20B-i1-GGUF 1,7 тыс.
- mradermacher/GRM-7b-i1-GGUF 1,3 тыс.
- mradermacher/GRM-1.5b-i1-GGUF 518
- mradermacher/GRM-7b-GGUF 473
- mradermacher/GRM-1.5b-GGUF 344
- mradermacher/GPT-OSS-Code-Reasoning-20B-GGUF 340
- GetSoloTech/GPT-OSS-Code-Reasoning-20BГенерация текста 91
- GOBA-AI-Labs/GOBA-OLMoE-Expert-TunedГенерация текста 73
Как загрузить
from datasets import load_dataset
ds = load_dataset("nvidia/OpenCodeReasoning-2")