Light-IF-32B蒸馏CoT数据集

# 基于 Light-IF-32B 模型的蒸馏数据集

该数据集使用[qihoo360/Light-IF-32B](https://huggingface.co/qihoo360/Light-IF-32B)蒸馏产生。

蒸馏命令使用sglang框架。使用[liucong/Chinese-DeepSeek-R1-Distill-data-110k-SFT](https://huggingface.co/datasets/Congliu/Chinese-DeepSeek-R1-Distill-data-110k-SFT)的问题进行蒸馏。

## 转义
```python
import json

def decode_jsonl_from_unicode(input_file, output_file):
with open(input_file, "r", encoding="utf-8") as fin, \
open(output_file, "w", encoding="utf-8") as fout:
for line in fin:
line = line.strip()
if not line:
continue
data = json.loads(line)
decoded_line = json.dumps(data, ensure_ascii=False)
fout.write(decoded_line + "\n")

if __name__ == "__main__":
input_path = "encoded.jsonl" # 转义后的文件 Escaped file
output_path = "decoded.jsonl" # 恢复后的文件 Restored file
decode_jsonl_from_unicode(input_path, output_path)
print(f"Restoration has been completed, results are saved in {output_path}")
```

## 局限性
由于数据是由Light-IF-32B蒸馏生成的，未经严格验证，在事实性和其他方面还存在一些不足。因此，在使用此数据集时，请务必注意甄别。

本数据集不代表任何一方的立场、利益或想法，无关任何团体的任何类型的主张。因使用本数据集带来的任何损害、纠纷，本项目的开发者不承担任何责任。

# 基于 Light-IF-32B 模型的蒸馏数据集

本数据集基于 [qihoo360/Light-IF-32B](https://huggingface.co/qihoo360/Light-IF-32B) 蒸馏生成。

蒸馏流程采用 sglang 框架实现，所用的问题样本源自数据集 [liucong/Chinese-DeepSeek-R1-Distill-data-110k-SFT](https://huggingface.co/datasets/Congliu/Chinese-DeepSeek-R1-Distill-data-110k-SFT)。

## 转义处理

python
import json

def decode_jsonl_from_unicode(input_file, output_file):
with open(input_file, "r", encoding="utf-8") as fin, \
open(output_file, "w", encoding="utf-8") as fout:
for line in fin:
line = line.strip()
if not line:
continue
data = json.loads(line)
decoded_line = json.dumps(data, ensure_ascii=False)
fout.write(decoded_line + "
")

if __name__ == "__main__":
input_path = "encoded.jsonl" # 转义后的文件
output_path = "decoded.jsonl" # 恢复后的文件
decode_jsonl_from_unicode(input_path, output_path)
print(f"Restoration has been completed, results are saved in {output_path}")

## 局限性说明

由于本数据集由 Light-IF-32B 模型蒸馏生成，未经过严格校验，在事实准确性及其他维度均存在一定不足。因此，使用本数据集时，请务必仔细甄别内容。

本数据集不代表任何主体的立场、利益或观点，亦不关联任何团体的各类主张。因使用本数据集引发的任何损害、纠纷，本项目开发团队不承担任何责任。

搜集汇总

背景与挑战

背景概述

该数据集是基于Light-IF-32B模型通过sglang框架蒸馏生成的，蒸馏问题源自Chinese-DeepSeek-R1-Distill-data-110k-SFT。由于未经过严格验证，数据集在事实准确性等方面可能存在不足，使用时需谨慎评估。