К содержимому

Датасет · qihoo360

Двухэтапный SFT-датасет для обучения рассуждающих моделей

qihoo360/Light-R1-SFTData

Набор из 79 тысяч примеров для двухэтапного SFT-обучения моделей с длинными цепочками рассуждений.

Что внутри

Это текстовый датасет на английском языке, на котором авторы из Qihoo 360 обучили модель Light-R1-32B. Данные разделены на два JSON-файла для поэтапного обучения: 76 тысяч примеров на первом этапе и 3 тысячи на втором. Набор создан для того, чтобы научить обычные языковые модели длинным цепочкам рассуждений (long CoT) без дистилляции из готовых reasoning-моделей.

Что можно сделать

  • Обучение рассуждающих LLM с нуля по методике двухэтапного SFT
  • Дообучение моделей для решения сложных математических задач уровня AIME
  • Исследование курируемого обучения (Curriculum SFT) для развития логики
Задачи
Генерация текста
Размер
10K–100K записей
Скачиваний за месяц
11,3 тыс.
Лайков
61

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("qihoo360/Light-R1-SFTData")