Eurus-2-RL-Data 数学编程问题训练数据集

Eurus-2-RL-Data 是一个专门用于强化学习训练的高质量数据集，主要应用于数学和编程问题的解决，相关 Blog 为「Process Reinforcement through Implicit Rewards」。

Eurus-2-RL-Data is a high-quality dataset dedicated to reinforcement learning training, primarily applied to solving mathematical and programming problems. Its related blog post is titled "Process Reinforcement through Implicit Rewards".

搜集汇总

背景与挑战

背景概述

Eurus-2-RL-Data 是一个专为强化学习训练设计的高质量数据集，聚焦于数学和编程问题的解决。它包含约455,000个数学问题（源自NuminaMath-CoT，覆盖从中国高中数学到国际数学奥林匹克竞赛的广泛范围）和27,000个编程问题（来自APPS、CodeContests等平台，针对编程竞赛级别），并经过严格清理和筛选。该数据集主要应用于强化学习和编程竞赛领域，为模型提供有效的训练平台以优化复杂问题解决能力。