nassimjp/Pashto_OrcaCoT

Pashto_OrcaCoT是一个高质量、开源的链式思维（CoT）数据集，专门为普什图语推理任务优化。该数据集基于OpenOrca数据集的普什图语翻译，包含多步逻辑和结构化推理模式，旨在弥补国际大型语言模型（LLM）基准与普什图语原生人工智能之间的差距。它作为iPashto.ai引擎的基础推理层，并为高级模型（如即将推出的Qwen3-1.7B-Pashto-Gold管道）提供关键对齐资源。数据集具有结构化链式思维、普什图语原生对齐（尊重语言细微差别和文化背景）、高质量完整性（减少幻觉、确保逻辑一致性）以及零爬取策略（通过精确策展提供生产就绪的指令调优）等特点。每个记录包含三个字段：instruction（系统提示或代理角色定义）、input（普什图语用户查询或任务陈述）和output（包含逐步推理逻辑和最终答案的标准响应）。该数据集旨在支持监督微调（SFT），提升普什图语语言模型在复杂推理任务上的性能，使其达到与英语等其他资源丰富语言相当的水平。Pashto_OrcaCoT is the premier open-source, high-quality Chain-of-Thought (CoT) dataset natively optimized for the Pashto language. Built upon rigorous multi-step logic and structured reasoning patterns inspired by the Orca framework, this dataset bridges the gap between international LLM benchmarks and Pashto-native artificial intelligence alignment. It serves as the foundational reasoning layer for the iPashto.ai engine and acts as a critical alignment asset for advanced models, including the upcoming Qwen3-1.7B-Pashto-Gold pipeline. The dataset features structured CoT with multi-step logic flows, Pashto-native alignment that respects linguistic nuances and cultural subtexts, high-quality integrity to counteract hallucinations and ensure logical consistency, and a zero-scraping strategy for gold-standard instruction tuning. Each record follows a three-field schema: instruction (system prompt or agent persona), input (user query or task in Pashto), and output (gold-standard response with step-by-step reasoning and final answer). It is designed to enable Pashto language models to perform complex chain-of-thought deductions on par with English and other globally rich resource environments through supervised fine-tuning (SFT).

搜集汇总

数据集介绍

构建方式

Pashto_OrcaCoT数据集是基于OpenOrca数据集中的思维链指令精心翻译并优化而成的普什图语推理数据集。其构建过程严格遵循多步逻辑与结构化推理模式，摒弃了嘈杂的网络爬取策略，采用零爬取方法，通过精准策划与手工精调，确保了数据的高质量与生产就绪特性。每条数据记录包含三个字段：系统指令、用户查询与黄金标准回答，其中回答部分以逐步推理逻辑呈现，为模型训练提供了清晰、可验证的推理链条。

使用方法

数据集适用于监督式微调任务，可直接用于训练普什图语模型进行复杂的思维链推理。使用时，用户通过Hugging Face的datasets库加载数据，每条记录包含instruction、input和output三个字段。在模型训练中，可将instruction与input拼接作为输入，output作为目标输出，以训练模型生成逐步推理逻辑。该数据集尤其适合用于提升普什图语模型在数学、逻辑及常识问答等任务上的推理能力，并可集成至更高级的模型流水线中。

背景与挑战

背景概述

Pashto_OrcaCoT数据集由研究者Nassim于2026年创建，旨在为普什图语这一低资源语言构建首个高质量、开源的原生链式思维（Chain-of-Thought）推理数据集。该数据集基于Orca框架，通过结构化多步逻辑与严格验证的格式化推理模式，弥合了国际大语言模型（LLM）基准与普什图语本地人工智能对齐之间的鸿沟。作为iPashto.ai引擎的推理基础层，它为即将推出的Qwen3-1.7B-Pashto-Gold模型提供了关键的监督微调（SFT）对齐资源，对推动低资源语言自然语言处理领域的发展具有重要意义。

当前挑战

该数据集面临的核心挑战在于普什图语作为低资源语言的天然劣势：过往依赖噪声大、翻译质量差的爬取数据集，严重削弱了LLM的连贯推理能力。构建过程中需克服零爬取策略下的数据精炼困难，确保每条指令的语义精确、文化背景适配以及逻辑一致性。此外，还需处理数学、逻辑推理和常识问答等任务中深度推理的完整呈现，以抵消模型幻觉，实现与英语等丰富资源语言同等水平的链式思维推导能力。

常用场景

经典使用场景

Pashto_OrcaCoT数据集的核心用途在于为普什图语大语言模型提供高质量的链式推理（Chain-of-Thought）指令微调数据。该数据集收录了超过数万条经过精心翻译与结构化的推理实例，每条数据均包含系统指令、用户查询以及逐步推理的黄金标准输出。研究者可将其直接用于监督式微调（SFT），以增强模型在数学、逻辑推理和常识问答等场景中的多步演绎能力。其经典使用方式是将数据集与基础语言模型结合，通过逐字段的“指令-输入-输出”三元组训练，促使模型学习在普什图语语境下进行严谨、可验证的推理流程，从而显著提升模型回答的连贯性与准确性。

解决学术问题

该数据集精准回应了低资源语言在自然语言处理中的核心学术困境：即由于缺乏高质量、结构化的推理语料，普什图语大语言模型在面对复杂逻辑任务时常出现幻觉严重、推理断裂或依赖粗糙翻译导致语义失真等问题。Pashto_OrcaCoT通过构建原生对齐的链式推理数据集，首次为普什图语学术研究提供了既尊重语言文化细微差别又具备严格逻辑格式的基准资源。其意义在于打破了国际主流推理基准对英语等高资源语言的依赖惯性，推动了多语言AI公平性的重要进步，为验证链式推理方法在语义极度稀疏的语言空间中的泛化能力奠定了实证基础。

实际应用

在实际部署层面，Pashto_OrcaCoT已作为iPashto.ai引擎的核心推理层，服务于普什图语用户的智能问答、教育辅导和逻辑任务求解等场景。例如，在数学应用题解答中，模型能依据数据集中分步解析的范式，生成从问题拆解到计算执行的完整思维链，替代传统直译式模型仅输出最终答案的浅层模式。此外，该数据集还被用于优化即将发布的Qwen3-1.7B-Pashto-Gold等生产级模型管线的对齐过程，确保在普什图语语音助手、公共卫生信息咨询、农业技术传播等实际应用中，模型能以符合本土文化逻辑的方式提供可靠、可追溯的推理结果，显著降低误答风险。

数据集最近研究

最新研究方向

Pashto_OrcaCoT数据集作为首个面向普什图语的高质量思维链推理数据集，正引领低资源语言大模型的前沿研究方向。它精准针对普什图语在机器翻译与指令微调中长期面临的噪声数据与推理能力薄弱的问题，通过结构化、多步骤的逻辑推理格式，显著提升了模型在数学、常识问答等任务上的连贯性与准确性。该数据集的发布标志着零抓取策略在普什图语AI领域的突破，为即将推出的Qwen3-1.7B-Pashto-Gold等先进模型提供了关键的推理对齐基础，有望推动多语言AI的普惠发展，缩小低资源语言与英语等主流语言之间的技术鸿沟。