hkust-nlp/dart-math-pool-gsm8k

DART-Math数据集是从GSM8K训练集的查询集中合成的数据池，包含所有答案正确的样本和其他元数据。该数据集是用于数学推理的最先进、数据高效的开源指令调优数据集，特别是DART-Math-Hard数据集通过DARS-Prop2Dif方法构建，引入了对困难查询的偏向，以提升模型在挑战性数学推理基准上的表现。

原始信息汇总

数据集概述

数据集特征

• query：字符串类型
• query4test：布尔类型
• query_src_agent：字符串类型
• query_src_method：字符串类型
• domain：字符串类型
• stage：字符串类型
• gt_ans：字符串类型
• query_metadata：结构类型，包含以下字段：
  • n_step：整数类型（int64）
• resp：字符串类型
• resp_src_agent：字符串类型
• resp_src_method：字符串类型
• ans_correct：布尔类型
• ration_type：字符串类型
• proc_correct_prob：空值类型
• resp_metadata：结构类型，包含以下字段：
  • maxlen：字符串类型
  • task_idx：字符串类型
  • temperature：字符串类型
  • top_p：字符串类型
• ans：字符串类型
• query_id：字符串类型
• resp_id：字符串类型

数据集分割

• train：
  • num_bytes：3482830244
  • num_examples：2738984

数据集大小

• download_size：1081777653
• dataset_size：3482830244

配置

• config_name：default
• data_files：
  • split：train
  • path：data/train-*