NuminaMath — LLM Rozumowanie Dataset
860K competition and olympiad-level math problems with curated, structured solutions. Created for the AI Mathematical Olympiad challenge, NuminaMath represents the frontier of mathematical reasoning datasets, covering AMC, AIME, and international olympiad problems.
Dataset Details
| Provider | AI-MO |
| Category | Rozumowanie |
| Size | 860K Problems |
| License | Apache 2.0 |
| Downloads | 520k |
| Tags | Olympiad Math, Competition, Chain-of-Thought, AIMO, 2024 |
from datasets import load_dataset
ds = load_dataset("AI-MO/NuminaMath-CoT")
Fine-tuning z tym zbiorem danych
Szacowany VRAM do fine-tuningu z QLoRA (model bazowy 4-bit + adaptery LoRA), przy zachowawczych ustawieniach:
| 7B QLoRA | ~6GB VRAM |
| 13B QLoRA | ~10GB VRAM |
Sprawdź, czy Twoje GPU to udźwignie →
Pierwszy fine-tuning? Przejdź przewodnik krok po kroku: Zrób fine-tuning pierwszego LLM w godzinę
Powiązane zbiory danych
- MetaMathQA — Boosting GSM8K/MATH-style math skills in 7B models
- OpenThoughts3-1.2M — Distilling strong math/code/science reasoning into 7B–32B models
- Orca Math Word Problems — Grade-school math word problems for small models
- s1K-1.1 — Cheap, fast reasoning fine-tunes — 1k samples means minutes of training, not days
Najczęstsze pytania
Czy mogę użyć NuminaMath komercyjnie?
Tak — NuminaMath jest udostępniony na licencji Apache 2.0, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera NuminaMath i czy potrzebuję wszystkich?
NuminaMath zawiera 860K Problems. Rzadko potrzebujesz całości: do fine-tuningu stylu i formatu wystarcza kilkaset–kilka tysięcy przykładów — załaduj wycinek (np. split="train[:1000]") i zwiększaj skalę tylko, gdy jakość przestaje rosnąć.
Do czego NuminaMath nadaje się najlepiej?
Chain-of-thought math fine-tuning up to olympiad level. Należy do sekcji „Rozumowanie" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide