allenai/Dolci-Think-RL-32B

---
dataset_info:
features:
- name: ground_truth
list: string
- name: dataset
list: string
- name: custom_id
dtype: string
- name: original_dataset
dtype: string
- name: outputs
list: string
- name: dataset_source
dtype: string
- name: prompt
dtype: string
- name: id
dtype: string
- name: key
dtype: string
- name: constraint_type
dtype: string
- name: constraint
dtype: string
- name: conversation_hash
dtype: string
- name: model
dtype: string
- name: predicted_label
dtype: string
splits:
- name: train
num_bytes: 1812725678
num_examples: 102026
download_size: 758496439
dataset_size: 1812725678
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dolci-Think-RL

## Dataset Summary

**Dolci-Think-RL** is a deliberate reasoning RL dataset used for training *Olmo-3-32B-Think* model.
It contains **102,026** high-quality prompts covering:

- Math
- Code
- Precise Instruction Following
- General Chat

This dataset is structurally similar to Dolci-Think-RL-7B but with slightly different mixtures.

---

## Dataset Composition

### **Total Samples:** 102,026

### **Original Dataset Contribution**
| Source Dataset | Count |
|----------------|-------|
| IF Multi-Constraint | 29,847 |
| OMEGA Math ([paper](https://arxiv.org/abs/2506.18880)) | 15,000 |
| AceCoder ([paper](https://arxiv.org/abs/2502.01718)) | 10,107 |
| Multi-Subject RLVR ([paper](https://arxiv.org/abs/2503.23829v1)) | 8,129 |
| Tulu 3 Rewritten ([paper](https://arxiv.org/abs/2411.15124)) | 8,040 |
| AceReason-Math ([paper](https://arxiv.org/abs/2505.16400)) | 6,599 |
| KlearReasoner Code | 6,176 |
| WildChat English ([paper](https://arxiv.org/abs/2405.01470)) | 4,539 |
| ORZ Math ([paper](https://arxiv.org/abs/2503.24290)) | 3,000 |
| SYNTHETIC-2 / PrimeIntellect ([blog](https://www.primeintellect.ai/blog/synthetic-2)) | 3,000 |
| MathSub-30K (KlearReasoner Math) ([paper](https://arxiv.org/abs/2508.07629)) | 2,999 |
| DAPO-Math ([paper](https://arxiv.org/abs/2503.14476)) | 2,584 |
| Llama-Nemotron Post-Training Dataset ([paper](https://arxiv.org/abs/2505.00949)) | 2,006 |

### **Dataset Source Counts (Grouped Mixes)**
| Mix | Count |
|------|-------|
| Math RLVR Mixture | 30,182 |
| IF RLVR Mixture | 29,847 |
| Code RLVR Mixture | 21,289 |
| General RLVR Mixture | 20,708 |

---

## Data Sources & Description

### **Instruction Following**
- IFBench/IFEval-derived multi-constraint tasks
- Normalized and filtered

### **Math Reasoning**
Includes data from:
- OMEGA
- AceReason-Math
- ORZ
- DAPO-Math
- MathSub-30K

Covers algebra, combinatorics, geometry, number theory, proofs, and competition-style problems.

### **Code Reasoning**
Includes:
- AceCoder
- KlearReasoner-Code
- SYNTHETIC-2 (PrimeIntellect)
- Llama-Nemotron Post-Training Dataset

All validated using execution-based filtering.

### **General Long-Form Reasoning**
- Multi-Subject RLVR
- Tulu 3 rewritten (filtered via F1 score)
- WildChat English (topic + character filtering)

---

## Processing & Filtering

- **Keyword & topic filtering**
- **Execution-based test-case validation**
- **F1-score filtering** of rewritten prompts
- **Nemotron difficulty-tier selection**
- **Safety filtering + deduplication**
- **Constraint normalization** for IF tasks

---
## License
This dataset is licensed under ODC-BY. It is intended for research and educational use in accordance with [Ai2's Responsible Use Guidelines](https://allenai.org/responsible-use).

## Citation
A technical manuscript is forthcoming!

数据集信息：
特征字段：
- 名称：ground_truth（真实标签），类型：字符串列表
- 名称：dataset（数据集），类型：字符串列表
- 名称：custom_id（自定义ID），类型：字符串
- 名称：original_dataset（原始数据集），类型：字符串
- 名称：outputs（输出结果），类型：字符串列表
- 名称：dataset_source（数据集来源），类型：字符串
- 名称：prompt（提示词），类型：字符串
- 名称：id（编号），类型：字符串
- 名称：key（键值），类型：字符串
- 名称：constraint_type（约束类型），类型：字符串
- 名称：constraint（约束条件），类型：字符串
- 名称：conversation_hash（对话哈希值），类型：字符串
- 名称：model（模型），类型：字符串
- 名称：predicted_label（预测标签），类型：字符串
划分集：
- 名称：train（训练集），字节数：1812725678，样本数：102026
下载大小：758496439
数据集总大小：1812725678
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分集：train（训练集），路径：data/train-*
---
# Dolci-Think-RL

## 数据集概述
**Dolci-Think-RL** 是一款用于训练 *Olmo-3-32B-Think* 模型的刻意推理强化学习（Reinforcement Learning, RL）数据集。该数据集包含102026条高质量提示词，覆盖以下四大场景：
- 数学推理
- 代码推理
- 精准指令遵循
- 通用对话

本数据集结构与Dolci-Think-RL-7B相似，但数据混合比例略有差异。

---

## 数据集构成

### 总样本量：102026

### 原始数据集贡献占比
| 源数据集 | 样本数 |
|----------------|-------|
| IF多约束任务（IF Multi-Constraint） | 29847 |
| OMEGA数学数据集（OMEGA Math，[论文](https://arxiv.org/abs/2506.18880)） | 15000 |
| AceCoder数据集（[论文](https://arxiv.org/abs/2502.01718)） | 10107 |
| 多学科RLVR数据集（Multi-Subject RLVR，[论文](https://arxiv.org/abs/2503.23829v1)） | 8129 |
| Tulu 3重写数据集（[论文](https://arxiv.org/abs/2411.15124)） | 8040 |
| AceReason-Math数据集（[论文](https://arxiv.org/abs/2505.16400)） | 6599 |
| KlearReasoner代码数据集 | 6176 |
| WildChat英文数据集（[论文](https://arxiv.org/abs/2405.01470)） | 4539 |
| ORZ数学数据集（[论文](https://arxiv.org/abs/2503.24290)） | 3000 |
| SYNTHETIC-2 / PrimeIntellect数据集（[博客](https://www.primeintellect.ai/blog/synthetic-2)） | 3000 |
| MathSub-30K（KlearReasoner数学数据集，[论文](https://arxiv.org/abs/2508.07629)） | 2999 |
| DAPO-Math数据集（[论文](https://arxiv.org/abs/2503.14476)） | 2584 |
| Llama-Nemotron后训练数据集（[论文](https://arxiv.org/abs/2505.00949)） | 2006 |

### 按分组混合的数据集来源统计
| 混合数据集 | 样本数 |
|------|-------|
| 数学RLVR混合集 | 30182 |
| IF任务RLVR混合集 | 29847 |
| 代码RLVR混合集 | 21289 |
| 通用RLVR混合集 | 20708 |

---

## 数据来源与说明

### 指令遵循类任务
- 源自IFBench/IFEval的多约束任务，经过归一化与过滤处理。

### 数学推理类任务
包含以下数据集的数据：
- OMEGA
- AceReason-Math
- ORZ
- DAPO-Math
- MathSub-30K

覆盖代数、组合数学、几何、数论、定理证明以及竞赛类题型。

### 代码推理类任务
包含以下数据集的数据：
- AceCoder
- KlearReasoner-Code
- SYNTHETIC-2（PrimeIntellect）
- Llama-Nemotron后训练数据集

所有数据均通过基于执行的测试用例过滤验证。

### 通用长文本推理类任务
包含以下数据集的数据：
- 多学科RLVR数据集
- 经F1分数过滤后的Tulu 3重写数据集
- 经过主题与字符过滤的WildChat英文数据集

---

## 数据处理与过滤
- 关键词与主题过滤
- 基于执行的测试用例验证
- 重写提示词的F1分数过滤
- Nemotron难度层级筛选
- 安全过滤与去重
- IF任务的约束条件归一化

---

## 许可协议
本数据集采用ODC-BY许可协议发布，旨在用于研究与教育用途，需遵循[AllenAI负责任使用指南](https://allenai.org/responsible-use)。

## 引用说明
相关技术手稿即将发布！