PawanKrd/claude-fable-5-code

该数据集包含来自Claude Fable 5的603个编码和数学相关提示与响应，生成成本约为75美元。请注意，这是一个非思维数据集，Fable 5仅支持自适应思维，但决定不对这些提示进行思考，因此数据集中不包含思维链/推理内容。提示来源于angrygiraffe/claude-opus-4.6-4.7-reasoning-8.7k数据集的code_train.jsonl分割。响应由Claude Fable 5于2026年6月10日首次发布时生成，在模型访问被暂停前仅生成了这个小子集。数据集结构包括每个JSON对象中的类别、消息列表（包含辅导/编码设置、用户提示和Claude Fable 5的响应）和模型名称。This repository contains a dataset of 603 coding and math-related prompts and responses from Claude Fable 5. The generation of this dataset cost approximately $75. Please note that this dataset is non-thinking. Fable 5 only supported adaptive thinking, and it decided not to think for these prompts, meaning there is no chain-of-thought/reasoning content in this dataset. The prompts originate from the code_train.jsonl split of angrygiraffe/claude-opus-4.6-4.7-reasoning-8.7k dataset. The responses were generated by Claude Fable 5 on June 10, 2026, when it was first released, and only this small subset was generated before the models access was suspended. The dataset structure includes category, messages (detailing tutoring/coding setup, user prompt, and Claude Fable 5s response), and model in each JSON object.

搜集汇总

数据集介绍

构建方式

该数据集源自于公共数据集中的代码与数学指令子集，通过筛选并保留其中高质量的任务提示，进而向Claude Fable-5模型发起请求以生成对应回复。数据收集过程发生于2026年6月10日，即该模型首次发布之际，仅在其访问权限被暂停前完成了包含603条样本的小规模子集。每条样本以JSON格式存储，涵盖任务类别、完整对话记录及模型标识字段，确保了数据结构的标准化与可解析性。

特点

该数据集专注于代码生成与数学推理领域，所有回复均由Claude Fable-5模型在非链式思维模式下生成，未包含任何推理链条或思考过程，适合用于评估模型在无需显式推理步骤时的直接输出能力。数据规模虽小但成本明确，生成过程花费约75美元，体现了其获取的高昂代价与稀缺性。类别字段的引入使得研究者能够按任务类型灵活筛选与分组。

使用方法

数据集以JSONL格式提供，适用于文本生成任务的模型微调、评测与对比分析。使用者可通过加载`code.fable-5.jsonl`文件，按行解析每条样本中的`category`与`messages`字段，构建指令-回复对。由于数据集仅包含训练拆分，可直接用于监督式微调或零样本评估，尤其适合在代码补全、数学问题求解等场景下测试模型的指令遵循能力与生成质量。

背景与挑战

背景概述

随着大规模语言模型在代码生成与数学推理任务中展现出卓越能力，研究者对模型在特定领域内的表现记录与行为分析需求日益迫切。claude-fable-5-code数据集正是在这一背景下于2026年6月10日由开发者angrygiraffe创建，旨在记录Claude Fable 5模型在编程与数学任务上的非思维链响应。该数据集仅包含603条样本，源于更广泛的claude-opus系列数据集，并采用结构化JSON格式存储每个样本的类别、对话消息及模型标识。尽管规模微小，该数据集对理解Claude Fable 5的早期能力、成本效益（生成总花费约75美元）以及非推理模式下的行为具有独特价值，为后续模型对比与能力评估提供了珍贵的基线参考。

当前挑战

该数据集所面临的挑战体现在多个层面。首先，在领域问题层面，代码生成与数学推理任务长期受困于模型输出一致性与可解释性不足的瓶颈，而该数据集专注于非思维链（non-thinking）响应，这使得研究者难以追溯模型的推理过程，从而限制了其在可解释人工智能研究中的应用。其次，在构建过程中，挑战尤为突出：数据集仅收录了603条样本，规模极小，这源于模型访问权限在发布当天即被暂停，导致数据收集过早中断；此外，作者坦言仅生成了这一小型子集，数据代表性有限，可能引入采样偏差，无法全面反映模型在不同代码和数学难度等级上的真实表现，亦难以支持鲁棒的统计推断。

常用场景

经典使用场景

在生成式人工智能的浪潮中，代码与数学推理能力被视为衡量大型语言模型智能水平的核心标尺。Claude Fable-5 Code 数据集以其精炼而专注的603条样本，提供了一个独特的微调与评估窗口。其最经典的使用场景在于对预训练语言模型进行指令微调，使其能够精准理解并回应用户关于编程与数学问题的复杂查询。研究者常利用该数据集训练模型掌握从自然语言描述中生成可执行代码、进行算法设计、执行数学推导等多种技能，尤其适合探索模型在无需显式思维链（Non-Thinking）的情况下，直接输出高质量技术答案的能力边界。

衍生相关工作

围绕 Claude Fable-5 Code 数据集，衍生了一系列极具启发性的后续工作。一方面，研究者将其作为对比样本，与包含思维链（CoT）数据的同行数据集进行联合训练，探索混合策略下模型性能与推理速度的最优权衡。另一方面，该数据集激发了关于“非思考范式下大模型能力涌现”的理论探讨，推动了一系列消融实验的开展，旨在量化语言模型内部知识表征与外部输出之间的映射关系。此外，在模型蒸馏与小型化研究中，该数据集常被用作教师模型的精选训练素材，用于培育资源占用更少但代码与数学能力依旧强劲的学生模型，为边缘计算场景下的智能部署提供了关键支撑。

数据集最近研究

最新研究方向

在当前大语言模型竞技格局中，Claude Fable-5 Code数据集以其稀缺性与前瞻性引发了广泛关注。该数据集收录了603条由Claude Fable 5模型在2026年6月10日首次发布时生成的编码与数学领域的高质量问答对，总成本约75美元，却因模型访问权限的突发中止而成为昙花一现的宝贵资源。值得注意的是，该数据集明确标注为"non-thinking"模式，即未包含链式推理或思维链内容，这一特性使其区别于主流强调深度推理的开源数据集，反而揭示了前沿模型在自适应思考机制下的另一种可能——面对编码与数学任务，模型主动选择不激活推理过程，这为研究模型任务适配性与推理开销优化提供了罕见样本。数据集源自angrygiraffe/claude-opus-4.6-4.7-reasoning-8.7k的code_train.jsonl子集，其前缀与Claude Opus系列的演进脉络紧密相连，折射出Anthropic在模型迭代中对于推理能力与成本控制的深层权衡。在开源社区对高成本、高门槛模型行为数据渴求日益加剧的当下，该数据集不仅为后续研究提供了对照实验的稀缺基线，更成为探讨前沿模型在受限环境下生成能力边界的重要切入点。