sapientinc/sudoku-extreme

--- task_categories: - question-answering --- # Hardest Sudoku Puzzle Dataset V2 This dataset contains a mixture of easy and very hard Sudoku puzzles collected from the Sudoku community. ## Dataset Composition ### Sources - [tdoku benchmarks](https://github.com/t-dillon/tdoku/blob/master/benchmarks/README.md#benchmarked-data-sets) - [enjoysudoku](http://forum.enjoysudoku.com/the-hardest-sudokus-new-thread-t6539-600.html#p277835) ### Easy Puzzles (1.1M) - puzzles0_kaggle - puzzles1_unbiased - puzzles2_17_clue ### Hard Puzzles (3.1M) - puzzles3_magictour_top1465 - puzzles4_forum_hardest_1905 - puzzles6_forum_hardest_1106 - ph_2010/01_file1.txt ## Dataset Characteristics - All puzzles have been exact-deduped and randomly permuted by row, column, box, and digit. - Each puzzle is guaranteed to have a unique solution. - Puzzles in the train set are [mathematically inequivalent](http://sudopedia.enjoysudoku.com/Mathematically_equivalent.html) to those in the test set. ## Dataset Structure - Train set: `train.csv` (3.8M examples) - Test set: `test.csv` (423k examples) Puzzles and solutions are flattened in row-major order. Rating is evaluated by number of backtracks needed by [tdoku solver]((https://github.com/t-dillon/tdoku) required to solve the puzzle (higher is harder). ## Usage Guidelines 1. Train models using only the train set. 2. Evaluate models on the test set using exact accuracy (all numbers must be correct).--- 任务类别： - 问答（Question Answering） --- # 最难数独（Sudoku）谜题数据集V2 本数据集包含从数独社区收集的简易与极难数独谜题的混合集合。 ## 数据集构成 ### 来源 - [tdoku基准测试集](https://github.com/t-dillon/tdoku/blob/master/benchmarks/README.md#benchmarked-data-sets) - [enjoysudoku论坛](http://forum.enjoysudoku.com/the-hardest-sudokus-new-thread-t6539-600.html#p277835) ### 简易谜题（110万条） - puzzles0_kaggle - puzzles1_unbiased - puzzles2_17_clue ### 困难谜题（310万条） - puzzles3_magictour_top1465 - puzzles4_forum_hardest_1905 - puzzles6_forum_hardest_1106 - ph_2010/01_file1.txt ## 数据集特征 - 所有数独谜题均经过精确去重，并通过行、列、宫及数字的随机置换进行了处理。 - 每个谜题均保证存在唯一解。 - 训练集与测试集中的数独谜题在数学上非等价（参考：http://sudopedia.enjoysudoku.com/Mathematically_equivalent.html）。 ## 数据集结构 - 训练集：`train.csv`（380万条样本） - 测试集：`test.csv`（42.3万条样本） 数独谜题与答案均以行优先顺序扁平化存储。难度评分由[tdoku求解器](https://github.com/t-dillon/tdoku)求解该谜题所需的回溯次数决定，数值越高则难度越大。 ## 使用指南 1. 仅使用训练集训练模型。 2. 在测试集上采用精确准确率评估模型性能，要求所有数字均完全正确。

搜集汇总

数据集介绍

构建方式

该数据集源自数独社区中广泛认可的多个权威来源，包括tdoku基准测试集与enjoysudoku论坛的经典难题集合。在构建过程中，数据集被精心划分为两类：约110万条简单谜题与约310万条困难谜题。所有谜题均经过严格去重处理，并通过随机置换行、列、宫格及数字的方式消除潜在模式。每个谜题均保证有唯一解，且训练集与测试集在数学上彼此不等价，确保了评估的公正性。最终形成包含380万样本的训练集与42.3万样本的测试集，数据以行优先顺序展平存储。

特点

该数据集最显著的特点在于其难度分布的极端性——既包含大量易于求解的入门级谜题，也收录了数独领域公认的最难题目，难度由tdoku求解器的回溯次数量化评估。所有谜题经过数学等价性验证，确保了训练与测试集之间无结构重叠。此外，数据集采用统一的展平格式存储谜题与答案，便于深度学习模型直接处理。其规模庞大且难度梯度清晰，为研究数独求解算法的泛化能力与鲁棒性提供了理想基准。

使用方法

使用该数据集时，建议仅利用训练集进行模型训练，并在测试集上评估模型性能。评估指标应采用精确准确率，即要求模型输出的所有数字与标准答案完全一致。数据以CSV格式提供，每行包含展平的谜题与对应解，可直接加载为张量或数组。研究人员可根据任务需求，将谜题重构为9×9矩阵，或保留一维序列形式输入模型。推荐结合tdoku求解器生成的难度标签，分析模型在不同难度层级上的表现差异。

背景与挑战

背景概述

数独作为经典的组合优化与约束满足问题，长期以来是人工智能领域验证推理算法与搜索策略的重要基准。sapientinc/sudoku-extreme数据集由数独社区与研究者于近年共同构建，整合了来自tdoku基准测试与enjoysudoku论坛的极难数独谜题，旨在推动对高难度约束满足问题的研究。该数据集包含约110万道简单谜题与310万道困难谜题，所有谜题均经过严格去重与随机排列，确保训练集与测试集在数学上不等价。数据集的核心研究问题聚焦于评估模型在极端约束下的泛化能力与回溯求解效率，其影响力体现在为深度学习与符号推理的交叉研究提供了标准化测试平台，尤其对神经符号系统的发展具有重要推动意义。

当前挑战

该数据集所解决的领域问题在于数独求解的复杂度分层——简单谜题可被常规回溯算法快速求解，而极端困难谜题需指数级回溯次数，这考验模型对深层约束关系的捕捉能力。构建过程中的主要挑战包括：1) 从社区论坛与基准测试中筛选出具有唯一解的谜题，需验证数千万候选解的正确性；2) 通过精确去重与数学等价性检验，避免训练与测试集间的信息泄漏；3) 引入基于tdoku求解器回溯次数的难度评级机制，需平衡计算开销与评分的稳定性。这些挑战确保了数据集作为高难度推理基准的可靠性与挑战性。

常用场景

经典使用场景

在组合优化与约束满足问题研究领域，数独游戏常被视作评估搜索算法与推理能力的经典基准。sapientinc/sudoku-extreme数据集汇聚了从易至极难的数独谜题，尤其包含经社区验证的极困难实例，为深度学习模型在结构化推理任务上的表现提供了严谨的测试平台。该数据集最经典的使用场景是训练和评估基于神经网络的端到端求解器，通过精确匹配的准确率指标衡量模型对复杂逻辑约束的泛化能力。

实际应用

在实际应用中，该数据集催生了一系列智能求解与辅助工具的开发。例如，移动端数独应用可借助基于此数据集训练的轻量级模型，为用户提供实时解题提示或难度评估。此外，该数据集的极困难子集被用于压力测试约束求解引擎，在工业调度、资源分配等需要高效处理组合爆炸问题的场景中，验证算法在极端条件下的性能边界，从而提升实际系统的可靠性。

衍生相关工作

该数据集衍生出多项具有影响力的研究工作。其中，基于tdoku求解器的回溯次数作为难度标签，启发了将搜索复杂度作为辅助损失函数的元学习框架；而数学等价性划分策略被后续研究采纳，用于构建更严格的组合推理评估基准。此外，有工作利用该数据集的困难子集，训练了能显式编码约束满足条件的图神经网络，其架构设计思想已延伸至SAT求解和程序合成等更广泛的逻辑推理任务中。