Qwen-1_8B-Chat-Int8

该数据集包含1076个训练示例，用于评估语言模型在问题解决任务中的表现。每个示例包括一个问题（problem）、推理轨迹（reasoning_trace）、参考解决方案（reference_solution），以及表示思考是否完成的布尔标志（finish_thinking）。此外，还包含奖励（reward）和分数（score）字段用于量化性能。数据集还提供了错误参考问题（wrong_referen