OpenMathReasoning
масштабный датасет для математических рассуждений от NVIDIA
2 мин чтения
Этот датасет содержит сотни тысяч уникальных математических задач и миллионы решений с цепочками рассуждений (Chain-of-Thought), созданных с помощью передовых моделей вроде DeepSeek-R1 и QwQ-32B. Набор данных использовался в качестве фундамента для победного решения в соревновании AIMO-2 на Kaggle и включает в себя задачи из форумов AoPS. Датасет отлично подойдет исследователям и разработчикам для файнтюна языковых моделей, чтобы значительно улучшить их навыки в решении сложных олимпиадных и математических задач.
Ключевые особенности
- Более 306 тысяч уникальных математических задач с подробными длинными решениями (Chain-of-Thought и TIR).
- Решения сгенерированы с использованием мощных моделей DeepSeek-R1 и QwQ-32B.
- Включает режим GenSelect для выбора наиболее перспективных решений из множества вариантов.
- Послужил основой для создания серии передовых моделей OpenMath-Nemotron.
Что можно сделать
- Провести файнтюн языковых моделей (LLM) для улучшения математических способностей и логического вывода.
- Обучить модели работе с инструментами (TIR — tool-integrated reasoning) при решении вычислительных задач.
- Использовать датасет для оценки и бенчмаркинга математических возможностей кастомных моделей.
- Задействовать данные для воспроизведения пайплайнов обучения, аналогичных победителю AIMO-2 Kaggle.
Пример
Пример загрузки датасета с помощью библиотеки datasets:
from datasets import load_dataset
dataset = load_dataset("nvidia/OpenMathReasoning")
print(dataset["train"][0])Подробнее
Объём: от 1M до 10M записей в сжатом виде.Основные источники: форумы AoPS и набор MATH.
Лицензия: CC-BY-4.0.
Показатели: модели OpenMath-Nemotron на базе датасета достигают state-of-the-art результатов на бенчмарках AIME24, AIME25 и HLE-Math.








Комментарии