Датасет · open-r1
Математические задачи DAPO для GRPO
open-r1/DAPO-Math-17k-Processed
Очищенные промпты и ответы DAPO-Math, совместимые с GRPO-тренером TRL.
Что внутри
Обработанная версия BytedTsinghua-SIA/DAPO-Math-17k. Промпты дедуплицированы, а формулировки и эталонные ответы приведены к формату, совместимому с GRPO-тренером TRL. Также выделены отдельные англоязычный и китайский поднаборы; размер по метаданным — 10–100 тыс. примеров.
Что можно сделать
- Обучить математическую reasoning-модель по GRPO
- Проверить пайплайн TRL GRPO на готовых промптах
- Оценить модель на англоязычном и китайском поднаборах
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 8,3 тыс.
- Лайков
- 90
Модели, обученные на нём
- mradermacher/Llama3.1-8B-Thinking-R1-i1-GGUF 1,1 тыс.
- mradermacher/Llama3.1-8B-Thinking-R1-GGUF 643
- CaptainHPY/Qwen2.5-7B-R1-GGUFГенерация текста 117
- Palind/Qwen3-4B-PG-repro-bestГенерация текста 86
- hdong0/Qwen3-8B-base-Open-R1-GRPO_dapo_acc_2048_to_16384_noklГенерация текста 84
- Palind/Qwen3-4B-SC-TIS-repro-bestГенерация текста 66
- Jackrong/Llama3.1-8B-Thinking-R1-GGUFГенерация текста 65
- hdong0/Qwen3-8B-base-Open-R1-GRPO_dapo_acc_4096_noklГенерация текста 63
Как загрузить
from datasets import load_dataset
ds = load_dataset("open-r1/DAPO-Math-17k-Processed")