FadeClip/CaveTrace-M2.7

KIMI-K2.5-1000000x是一个包含1,000,000个推理轨迹的数据集，这些轨迹从KIMI-K2.5模型蒸馏而来，专注于高级推理任务。数据集覆盖多个领域：编码（50%，包括Web开发、Python、C++、Java等）、科学（20%，含物理、化学、生物，并在PHD-Science子集中额外包含100,000个完成项）、数学（15%，含代数、微积分、概率，并在kimiMath200k子集中额外包含200,000个完成项）、计算机科学（5%）、逻辑问题（5%）和创意写作（5%），还包含一个多语言STEM子集（MultilingualSTEM.jsonl，含100,000个完成项）。总标记数约为50亿，适用于文本生成和问答任务，特别强调推理、思维链、指令调优和监督微调（SFT）。数据通过修改的Datagen工具收集，耗时约80小时。license: Apache-2.0 language: - 英语 size_categories: - 样本规模区间为10万至100万 task_categories: - 文本生成 - 问答任务 tags: - 推理 - 思维链（Chain-of-Thought） - 指令微调（Instruction Tuning） - 监督微调（Supervised Fine-Tuning，SFT） configs: - config_name: 通用蒸馏（General-Distillation） data_files: - split: 训练集 path: "kimi-k2.5-main.jsonl" - config_name: 博士级科学（PHD-Science） data_files: - split: 训练集 path: "KimiK-2.5-PHD-Science.jsonl" - config_name: 通用数学（General-Math） data_files: - split: 训练集 path: "kimiMath200k.jsonl" - config_name: 多语种理工科（MultilingualSTEM） data_files: - split: 训练集 path: "MultilingualSTEM.jsonl" --- <p align="center"> <img alt="arc" src="https://huggingface.co/moonshotai/Kimi-K2.5/resolve/main/figures/kimi-logo.png" width="600"> </p> ------------------------------------ <h1><span style="color:#1473df">KIMI-K2.5-1000000x</span></h1> - 本数据集包含从KIMI-K2.5在高难度推理场景下蒸馏得到的100万条推理轨迹（每个子集包含不同的问题）。 ------------------------------------ <h1><span style="color:#1473df">数据分布：</span></h1> Coding: 50%（涵盖：Web开发、Python、C++、Java、JS（JavaScript）、C、Ruby、Lua、Rust及C#） Science: 20%（物理、化学、生物）——PHD-Science子集额外包含10万条生成样本 Math: 15%（代数、微积分、概率论）——kimiMath200k.jsonl子集额外包含20万条生成样本 计算机科学类：5% 逻辑推理题：5% 创意写作类：5% 多语种理工科：MultilingualSTEM.jsonl中包含10万条生成样本 <h2><span style="color:#1473df">令牌（Token）总数</span>: <code>50亿</code></h2> <p style="margin-top:12px;font-size:11px;opacity:0.7"> 本数据集可用于任意用途，无需标注原作者，请勿声称其为您本人原创。——2026年4月6日，本数据集约含20GB数据与50亿令牌，后续或将停止更新。 <br> ------------------------------------ > [!重要提示] >  > ------------------------------------ #### 数据采集 - 本数据集使用经修改的Datagen工具由[TeichAI](https://huggingface.co/TeichAI)采集<img src="https://cdn-avatars.huggingface.co/v1/production/uploads/6837935ac3b7ffe0d2559ce9/-AxyvV4wfUY8uo87kNKkK.png" width="20" height="20" style="display: inline-block; vertical-align: middle; margin: 0 3px;">，采集耗时约80小时。 ------------------------------------ #### 嗨 —— ianncity <img src="https://preview.redd.it/steam-happy-but-high-quality-v0-22ku6htw4u0c1.png?width=640&crop=smart&auto=webp&s=221735cb09dc3d4c1c7349e3187e752f6fe775e4" width="20" height="20" style="display: inline-block; vertical-align: middle; margin: 0 3px;">