Leonnel1220/CS-DeepSearchQA

---
license: apache-2.0
task_categories:
- text-generation
language:
- zh
- en
tags:
- agent
size_categories:
- n<1K
---
# CS-DeepSearch (CS-DRAFT) 数据集

## 数据集描述

**CS-DeepSearch** 是一个专门为训练和评估“专家级计算机科学深层研究智能体”而设计的 QA 数据集。

### 数据集简介

该数据集借鉴了 **MedResearcher-R1** 的 **KISA**（知识启发式轨迹合成）框架。针对计算机科学领域，从 10,176 篇 Arxiv 摘要中挖掘出极长尾的“稀有实体”，并构建了需要复杂多跳推理链的 QA 对。

### 数据集支持的任务

- **Train**: 包含 261 条深度研究 QA，可用于 SFT / RL 后训练。

* **Test**：包含 50 条深度研究 QA，用于评估智能体的端到端研究成功率。

## 数据集的格式和结构

**数据样本范例：**

| quesiton | answer | seed_entity |
| ------------------------------------------------------------ | ----------------------- | ----------------------------- |
| 在深度神经网络领域，有一种常见属性被认为会导致模型在训练数据上表现过于复杂。为了应对由此属性引发的问题，研究者提出了一种特定的网络训练技术。该技术不仅能有效改善模型对此问题的抵抗力，还定义性地提供了一种抵抗非期望记忆的能力。请问这种技术是什么？ | symmetric loss function | concentratability coefficient |