OpenCodeReasoning nvidia
OpenCodeReasoning: Advancing Data Distillation for Competitive Coding Data Overview OpenCodeReasoning is the largest reasoning-based synthetic dataset to date for coding, comprises 735,255 samples in Python across 28,319 unique competitive programming questions. OpenCodeReasoning is designed for supervised fine-tuning (SFT). Technical Report - Discover the methodology and technical details behind OpenCodeReasoning. Github Repo - Access the complete pipeline used to… See the full description on the dataset page: https://huggingface.co/datasets/nvidia/OpenCodeReasoning.
- 種別
- dataset
- ライセンス
- cc-by-4.0
- ダウンロード
- 14,854
- いいね
- 550
- アクセス
- public
- ファイル
- 0
タグ
- 合成データ
- コードデータ
- コード生成
- 命令微調整
- 推論
- 蒸留
- データセット
概要
OpenCodeReasoningは、競技プログラミングの推論能力を蒸留するために構築された、最大規模の推論ベース合成コードデータセットです。735,255件のPythonサンプルを28,319問の競プロ問題から収録しています。コード生成モデルの教師あり微調整（SFT）に最適で、R1が生成した解を含み、CodeForces等複数のプラットフォーム由来の問題で構成されています。
README
--- license: cc-by-4.0 size_categories: - 100K<n<1M pretty_name: OpenCodeReasoning dataset_info: - config_name: split_0 features: - name: id dtype: string - name: input dtype: string - name: output dtype: string - name: source dtype: string - name: license dtype: string - name: dataset dtype: strin…