FINNUMBER/NQA_Instruction

---
dataset_info:
- config_name: Numerical Reasoning Arithmetic
features:
- name: Q
dtype: string
- name: A
dtype: string
- name: C
dtype: string
- name: Rationale
dtype: string
- name: type
dtype: string
- name: correct
dtype: string
splits:
- name: train
num_bytes: 34274762
num_examples: 23064
- name: test
num_bytes: 12977495
num_examples: 9553
download_size: 26818152
dataset_size: 47252257
- config_name: Numerical Reasoning Comparison
features:
- name: Q
dtype: string
- name: A
dtype: string
- name: C
dtype: string
- name: Rationale
dtype: string
- name: type
dtype: string
- name: correct
dtype: string
splits:
- name: train
num_bytes: 35502510
num_examples: 23016
- name: test
num_bytes: 5536935
num_examples: 3783
download_size: 23032974
dataset_size: 41039445
- config_name: Numerical Reasoning Extraction
features:
- name: Q
dtype: string
- name: A
dtype: string
- name: C
dtype: string
- name: Rationale
dtype: string
- name: type
dtype: string
- name: correct
dtype: string
splits:
- name: train
num_bytes: 43262111
num_examples: 21000
- name: test
num_bytes: 8579210
num_examples: 5213
download_size: 30067726
dataset_size: 51841321
configs:
- config_name: Numerical Reasoning Arithmetic
data_files:
- split: train
path: Numerical Reasoning Arithmetic/train-*
- split: test
path: Numerical Reasoning Arithmetic/test-*
- config_name: Numerical Reasoning Comparison
data_files:
- split: train
path: Numerical Reasoning Comparison/train-*
- split: test
path: Numerical Reasoning Comparison/test-*
- config_name: Numerical Reasoning Extraction
data_files:
- split: train
path: Numerical Reasoning Extraction/train-*
- split: test
path: Numerical Reasoning Extraction/test-*
---

数据集信息：
- 配置名称：数值推理-算术（Numerical Reasoning Arithmetic）
特征字段：
- 字段名：Q（问题），数据类型：字符串
- 字段名：A（答案），数据类型：字符串
- 字段名：C（候选选项），数据类型：字符串
- 字段名：Rationale（推理依据），数据类型：字符串
- 字段名：type（题型），数据类型：字符串
- 字段名：correct（正确标注），数据类型：字符串
数据集划分：
- 训练集（train）：字节大小34274762，样本总量23064
- 测试集（test）：字节大小12977495，样本总量9553
下载总大小：26818152，数据集总大小：47252257
- 配置名称：数值推理-比较（Numerical Reasoning Comparison）
特征字段：
- 字段名：Q（问题），数据类型：字符串
- 字段名：A（答案），数据类型：字符串
- 字段名：C（候选选项），数据类型：字符串
- 字段名：Rationale（推理依据），数据类型：字符串
- 字段名：type（题型），数据类型：字符串
- 字段名：correct（正确标注），数据类型：字符串
数据集划分：
- 训练集（train）：字节大小35502510，样本总量23016
- 测试集（test）：字节大小5536935，样本总量3783
下载总大小：23032974，数据集总大小：41039445
- 配置名称：数值推理-抽取（Numerical Reasoning Extraction）
特征字段：
- 字段名：Q（问题），数据类型：字符串
- 字段名：A（答案），数据类型：字符串
- 字段名：C（候选选项），数据类型：字符串
- 字段名：Rationale（推理依据），数据类型：字符串
- 字段名：type（题型），数据类型：字符串
- 字段名：correct（正确标注），数据类型：字符串
数据集划分：
- 训练集（train）：字节大小43262111，样本总量21000
- 测试集（test）：字节大小8579210，样本总量5213
下载总大小：30067726，数据集总大小：51841321
数据集配置：
- 配置名称：数值推理-算术（Numerical Reasoning Arithmetic），对应数据文件：
- 训练集划分：路径为`Numerical Reasoning Arithmetic/train-*`
- 测试集划分：路径为`Numerical Reasoning Arithmetic/test-*`
- 配置名称：数值推理-比较（Numerical Reasoning Comparison），对应数据文件：
- 训练集划分：路径为`Numerical Reasoning Comparison/train-*`
- 测试集划分：路径为`Numerical Reasoning Comparison/test-*`
- 配置名称：数值推理-抽取（Numerical Reasoning Extraction），对应数据文件：
- 训练集划分：路径为`Numerical Reasoning Extraction/train-*`
- 测试集划分：路径为`Numerical Reasoning Extraction/test-*`

原始信息汇总

数据集概述

配置名称：Numerical Reasoning Arithmetic

• 特征：
  • Q: string
  • A: string
  • C: string
  • Rationale: string
  • type: string
  • correct: string
• 分割：
  • train:
    • 字节数: 34274762
    • 样本数: 23064
  • test:
    • 字节数: 12977495
    • 样本数: 9553
• 下载大小: 26818152
• 数据集大小: 47252257
• 数据文件：
  • train: Numerical Reasoning Arithmetic/train-*
  • test: Numerical Reasoning Arithmetic/test-*

配置名称：Numerical Reasoning Comparison

• 特征：
  • Q: string
  • A: string
  • C: string
  • Rationale: string
  • type: string
  • correct: string
• 分割：
  • train:
    • 字节数: 35502510
    • 样本数: 23016
  • test:
    • 字节数: 5536935
    • 样本数: 3783
• 下载大小: 23032974
• 数据集大小: 41039445
• 数据文件：
  • train: Numerical Reasoning Comparison/train-*
  • test: Numerical Reasoning Comparison/test-*

配置名称：Numerical Reasoning Extraction

• 特征：
  • Q: string
  • A: string
  • C: string
  • Rationale: string
  • type: string
  • correct: string
• 分割：
  • train:
    • 字节数: 43262111
    • 样本数: 21000
  • test:
    • 字节数: 8579210
    • 样本数: 5213
• 下载大小: 30067726
• 数据集大小: 51841321
• 数据文件：
  • train: Numerical Reasoning Extraction/train-*
  • test: Numerical Reasoning Extraction/test-*

搜集汇总

数据集介绍

构建方式

在自然语言处理领域中，数值推理能力是衡量模型理解与操作数字信息的关键维度。FINNUMBER/NQA_Instruction数据集专为提升大语言模型的数值推理性能而设计，其构建过程融合了多维度数值任务。该数据集包含三个核心配置：Numerical Reasoning Arithmetic、Numerical Reasoning Comparison和Numerical Reasoning Extraction，分别聚焦于算术运算、数值比较与数值提取。每个样本由问题（Q）、答案（A）、上下文（C）、推理过程（Rationale）、类型（type）及正确性标签（correct）构成，确保了数据的完整性与可解释性。训练集与测试集的分割设计，为模型训练与评估提供了清晰的边界。

使用方法

使用FINNUMBER/NQA_Instruction数据集时，可通过HuggingFace的datasets库便捷加载。用户需指定配置名称，例如'Numerical Reasoning Arithmetic'，并选择训练或测试分割。数据以字典形式返回，包含Q、A、C、Rationale、type和correct字段。在微调语言模型时，可将问题与上下文拼接作为输入，答案或推理过程作为目标，构建序列到序列的学习任务。评估阶段，利用测试集的计算结果与正确性标签，可量化模型在数值推理上的准确率与逻辑一致性，从而优化其数学思维能力。

背景与挑战

背景概述

在大规模语言模型蓬勃发展的浪潮中，数值推理能力被视为衡量模型认知水平的关键指标之一。FINNUMBER/NQA_Instruction数据集由研究团队构建，旨在系统性地评估与提升语言模型在数值推理任务上的表现。该数据集创建于近年，聚焦于算术运算、数值比较与数值提取三类核心子任务，通过精心设计的指令形式呈现，共计包含超过七万条样本。其研究问题直指当前模型在处理数值信息时普遍存在的逻辑薄弱环节，为领域内提供了标准化的训练与评测基准。自发布以来，该数据集在推动数值推理研究、促进模型可解释性发展方面产生了显著影响，成为相关方向的重要参考资源。

当前挑战

该数据集所应对的领域挑战在于，现有语言模型尽管在文本理解上表现优异，却常在基础数值运算、多数量级比较及从复杂语境中精准提取数字信息时暴露出显著缺陷，这些能力缺失限制了模型在金融、科学计算等实际场景中的应用。在构建过程中，研究者面临多重挑战：如何设计涵盖不同难度层次且逻辑自洽的指令样本，以确保数据集的全面性与代表性；如何平衡各子任务的样本数量与难度分布，避免数据偏差影响模型泛化能力；以及如何保证推理链路的准确性，为模型提供可学习的正确思维过程，从而有效引导模型掌握数值推理的内在规律。

常用场景

经典使用场景

在自然语言处理与数值推理交叉研究领域，FINNUMBER/NQA_Instruction数据集以其精细化的指令格式和三元组结构（问题、答案、上下文）脱颖而出。该数据集最经典的用途在于训练和评估大语言模型（LLM）的数学推理能力，特别是针对算术运算、数值比较与信息提取三类核心任务。研究者通过将上下文与问题配对，引导模型生成带有推导过程的答案，从而系统性地提升模型在复杂数值场景下的逻辑推演表现。这一设计不仅为多步数值推理提供了标准化测试基准，还推动了指令微调范式在量化理解任务中的深度应用。

解决学术问题

该数据集精准回应了语言模型在数值理解上的长期短板，即模型虽能流畅生成文本，却在涉及精确计算、数值比较和关键数字抽取时表现脆弱。通过提供涵盖算术、比较与提取三大维度的结构化样本，NQA_Instruction有效填补了现有数据集在数值推理指令对齐方面的空白。其意义在于，它使得研究者能够系统评估模型在处理量化信息时的鲁棒性与可解释性，进而推动学术领域从单纯的文本语义理解迈向融合数学逻辑的复合认知建模，为构建更可靠的智能系统奠定了数据基础。

实际应用

在实际应用层面，NQA_Instruction数据集赋能了多个需要精确数值处理的垂直场景。例如在金融领域，模型可借助其训练范式自动从财报文本中抽取关键数字并进行同比计算；在智能客服系统中，它能辅助处理涉及价格比较、折扣计算等数值问答；在教育科技领域，该数据则支撑了自动数学题目解析与答案验证系统的开发。这些应用均得益于数据集对数值推理链路的清晰标注，使得模型能在真实世界中执行可靠的量化分析与决策支持。

数据集最近研究

最新研究方向

在人工智能与自然语言处理的交汇前沿，数值推理能力被视为衡量大语言模型逻辑智能的关键标尺。FINNUMBER/NQA_Instruction数据集应运而生，其精心设计的算术、比较与提取三大子任务，精准锚定了当前大模型在金融、科学计算等复杂场景中处理数值信息的薄弱环节。该数据集通过结构化问答与推理解释的配对，不仅推动了模型从模式记忆向因果推理的跃迁，更与业界对可信AI的迫切需求相呼应——在自动化交易、智能投顾等热点应用中，可靠的数值推理直接关乎决策安全与经济效益。其多维度、高难度的评测体系，正成为检验模型泛化能力与数学素养的新基准，对构建真正具备逻辑推理能力的下一代智能系统具有里程碑式的意义。