GRPO Training Data - Formatted

kaggle2025-11-14 更新2026-07-24 收录

数学推理训练

代码生成评估

数据链接：

https://www.kaggle.com/datasets/eugenio0/grpo-training-data-formatted 数据链接链接失效反馈

官方服务：

资源简介：

GSM8K, MBPP, and General Reasoning data formatted for GRPO training

经格式化适配生成式奖励策略优化（GRPO）训练的小学数学8K数据集（GSM8K）、基础Python编程数据集（MBPP）及通用推理数据集

创建时间：

2025-11-14

HumanEval

软件工程

代码生成评估

HumanEval是由代尔夫特理工大学的研究团队创建的软件工程领域AI基准数据集。该数据集主要用于评估大型语言模型在代码生成任务上的性能，包含多个子任务，如代码修复和代码解释。尽管有多个版本尝试扩展语言支持或改善测试覆盖范围，但原始数据集中的错误和不足仍未得到彻底解决。该数据集在AI和软件工程社区中广受欢迎，但存在测试不正确、测试覆盖不足、解决方案错误和问题描述不明确等问题。

arXiv2025-03-08 更新4890

codegenning/livecodebench_lite_v2_testbank_reee

代码生成评估

编程评估

--- dataset_info: features: - name: test dtype: string - name: hash dtype: string splits: - name: train num_bytes: 1909584267 num_examples: 452 download_size: 1276750996

Hugging Face2024-07-27 更新120

rebase_thinkprm_gemma-4-E4B-it_lcb_v6_ns128_md4_bt0_1_seed42_lcb_v6_thinkprm_2gpu

代码生成评估

推理过程奖励建模

该数据集包含16,768个测试样本，主要用于文本生成或问答任务。数据集包含多个字段，包括问题（question）、生成ID（generation_id）、生成内容（generation）、标记数量（num_tokens）、奖励（reward）、问题索引（question_index）、目标（target）、任务（task）、VF预测（vf_prediction）和级别（level）。数据规模为25

Hugging Face2026-05-07 更新70

ioi-leaderboard/ioi-eval-openrouter_openai_o1

代码生成评估

多语言代码

该数据集包含了文本生成的相关信息，包括生成文本、代码、语言等信息。每个样本都有一些元数据，如时间戳、使用情况（包括完成令牌数、成本、提示令牌数和总令牌数）。数据集分为训练集，并提供了相关的字节数和示例数。数据集的总下载大小和存储大小也已给出。

Hugging Face2025-03-03 更新150

CoIR-Retrieval/codefeedback-mt-qrels

代码生成评估

代码反馈相关性

--- dataset_info: features: - name: query_id dtype: string - name: corpus_id dtype: string - name: score dtype: int64 splits: - name: train num_bytes: 1464756 num_examp

Hugging Face2024-06-13 更新120

GRPO Training Data - Formatted

资源简介：

相关数据集