К содержимому

Датасет · nvidia

Синтетический датасет научных рассуждений от NVIDIA

nvidia/OpenScienceReasoning-2

Парные вопросы и ответы с подробными цепочками рассуждений в STEM, праве и экономике для SFT-дообучения LLM.

Что внутри

Это синтетический текстовый датасет объёмом от 100 тысяч до 1 миллиона примеров. Внутри лежат открытые вопросы и задания с выбором ответа, дополненные подробными пошаговыми рассуждениями (reasoning traces). Материалы охватывают точные науки (STEM), право, экономику и гуманитарные дисциплины.

Что можно сделать

  • SFT-дообучение языковых моделей для усиления навыков логического вывода
  • Подготовка моделей к сложным научным бенчмаркам уровня GPQA-Diamond и MMLU-Pro
Размер
100K–1M записей
Скачиваний за месяц
38,2 тыс.
Лайков
58

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("nvidia/OpenScienceReasoning-2")