基于策略引导的数学应用题推理轨迹数据集SGRT-Math

以GSM8K训练集为种子数据来源，在保留原题数学逻辑内核不变的前提下，对题目进行现代场景改写，利用Planner-Reasoner双角色交互框架生成可直接用于策略学习和过程监督的推理轨迹。SGRT-Math以JSONL格式发布，包含20,324条样本，77.80MB。每条样本包含question、ground_truth、interaction_trace和final_answer 4个一级字段；推理角色Planner与Reasoner的推理策略交互为4至12轮次，平均7.24轮。