Qwen3-Reasoning-Distill-Q-A-Dataset

Qwen3推理精炼土耳其问答数据集，包含六个STEM领域的问答对，为土耳其语推理任务设计，适用于六年级到十二年级的学生。数据集由qwen3-32b模型生成，用于微调RefinedNeuro土耳其推理v2模型。

原始信息汇总

Qwen3 Reasoning Distill Q&A Dataset 概述

基本信息

• 许可证: CC0 1.0 Universal (CC0 1.0) Public Domain Dedication
• 语言: 土耳其语 (tr), 英语 (en)
• 数据集名称: Qwen3 Reasoning Distilled Turkish Question Answer Dataset
• 大小分类: 10K<n<100K
• 标签: biology, chemistry, math, synthetic, geometry, statistics, trigonometry
• 任务分类: question-answering, text-generation

作者

• Mehmet Can Farsak
• Serhat Atayeter

数据集摘要

该数据集包含六个STEM学科的问答对，专为土耳其语推理任务设计。使用qwen3-32b模型生成，旨在用于微调RN_TR_R2（RefinedNeuro Turkish Reasoning v2）模型。

• 学科: Matematik, Fizik, Kimya, Biyoloji, Geometri, Trigonometri, İstatistik
• 年级: 6年级至12年级
• 变体（后缀提示）:
  1. 问题应详细且长，答案仅为数字。
  2. 问题应简短且精确，答案仅为数字。
  3. 问题应长但简单，答案仅为数字。
  4. 问题应简短且简单，答案仅为数字。

数据集统计

学科	示例数量
Matematik	2,500
Fizik	2,000
Kimya	1,500
Biyoloji	1,500
Geometri	2,000
Trigonometri	1,500
İstatistik	1,500

总示例数: 12,500

注意: 数据集以单个JSONL文件提供，无预定义分割（训练/验证/测试）。

数据字段

JSONL文件中的每一行包含以下字段：

• class: 年级（如"6th grade", "12th grade"）
• branch: 学科（如"Matematik", "Fizik"）
• suffix: 变体提示标识或文本
• prompt: 提供给qwen3-32b的原始生成提示
• system_prompt: 系统级提示上下文（如有）
• generated_question: 生成的问题文本
• generated_answer: 数字答案
• generated_answer_unit: 答案单位（如适用；否则为空）
• generated_question_thinking_part: 模型的链式思考或推理笔记（如有）

生成过程

所有示例均使用qwen3-32b模型生成。提示模板和系统提示包含在数据集中。除基本JSONL格式化和去重外，未应用其他后处理。

预期用途

• 微调土耳其语LLMs以进行STEM问答和推理
• 作为RN_TR_R2模型（RefinedNeuro Turkish Reasoning v2）的蒸馏训练数据

RN_TR_R2模型通过进一步微调ytu-ce-cosmos/Turkish-Llama-8b-DPO-v0.1并使用此数据集创建。

引用

bibtex @misc{farsak2025qwen3reasoning, title = {Qwen3 Reasoning Distill Q&A Dataset}, author = {Farsak, Mehmet Can and Atayeter, Serhat}, year = {2025}, publisher = {Refined Neuro}, howpublished = {url{https://huggingface.co/datasets/RefinedNeuro/Qwen3-Reasoning-Distill-Q-A-Dataset}} }

搜集汇总

数据集介绍

构建方式

在STEM教育领域，高质量的本土化教学资源对非英语国家的知识传授至关重要。该数据集采用qwen3-32b大语言模型生成，通过精心设计的提示模板系统化构建了覆盖数学、物理、化学等七大学科的土耳其语问答对。生成过程中严格遵循年级分层（6-12年级）和问题类型规范（长/短题、难/易题），每个问题均要求数值型答案并保留模型推理过程，最终形成包含12,500条样本的未标注数据集。

特点

作为土耳其首个专注于STEM推理的生成式数据集，其显著特点体现在学科覆盖的系统性和问题设计的多样性。数据集不仅包含常规学科如数学、物理，还涵盖几何学、三角学等专业领域，每类问题均提供四种结构化变体。每条数据记录均完整保留生成提示、系统指令、问题思考链等元信息，为研究者分析模型推理过程提供透明窗口。数值型答案配合计量单位的标准化设计，特别适合训练机器理解定量推理任务。

使用方法

该数据集主要服务于土耳其语教育科技领域的研究与应用。通过HuggingFace标准接口加载后，可直接用于微调类似Turkish-Llama-8b-DPO-v0.1的本地化大语言模型。实践应用中建议结合RN_TR_R2模型的训练范式，重点关注系统提示与生成问题的映射关系。由于数据集未预设标准划分，使用者需根据具体场景按学科或年级进行分层抽样，同时可利用generated_question_thinking_part字段优化模型的思维链推理能力。

背景与挑战

背景概述

Qwen3-Reasoning-Distill-Q-A-Dataset是由Mehmet Can Farsak和Serhat Atayeter于2025年创建的土耳其语STEM领域问答数据集，旨在支持土耳其语语言模型在科学、技术、工程和数学领域的推理能力。该数据集覆盖数学、物理、化学、生物、几何、三角学和统计学等七个学科，涵盖6至12年级的教育内容。作为RefinedNeuro Turkish Reasoning v2模型的核心训练数据，该数据集通过qwen3-32b模型生成，并基于ytu-ce-cosmos/Turkish-Llama-8b-DPO-v0.1模型进行微调，为土耳其语自然语言处理领域提供了重要的教育资源。

当前挑战

该数据集面临双重挑战：在领域问题层面，需要解决土耳其语STEM教育中复杂概念的多粒度表示问题，特别是如何准确捕捉不同年级学生对抽象科学概念的理解差异；在构建过程中，需克服生成式模型产生的语义一致性问题，确保自动生成的12,500个问答对在学科准确性和语言流畅性方面达到教育标准。此外，数值型答案的单元统一性维护以及思维链注释的完整性，都对数据质量控制提出了较高要求。

常用场景

经典使用场景

在STEM教育领域，Qwen3-Reasoning-Distill-Q-A-Dataset为土耳其语教学提供了丰富的资源。该数据集覆盖数学、物理、化学等多个学科，适用于6至12年级的教学场景。通过精心设计的问答对，教师可以利用这些数据生成课堂练习或考试题目，学生则能通过解答这些问题巩固知识点。数据集中的问题设计遵循不同难度和长度要求，能够满足多样化的教学需求。

解决学术问题

该数据集有效解决了土耳其语STEM教育资源匮乏的学术问题。通过大规模生成高质量的问答对，研究者可以深入探究语言模型在特定语言环境下的推理能力。同时，数据集为跨学科知识整合研究提供了实验基础，特别是在非英语语种的数理逻辑表达方面填补了空白。其标准化的问题格式也为自动化评估模型的性能提供了可靠基准。

衍生相关工作

围绕该数据集已经产生了一系列重要研究。最典型的是RN_TR_R2模型的开发，这是在土耳其-Llama模型基础上的重要改进。许多学者利用该数据集探索小语种模型的知识蒸馏技术，相关成果发表在机器学习和教育技术领域的顶级会议上。数据集还启发了针对其他非英语语种的类似资源建设项目。