OpenCodeReasoning — LLM Rozumowanie Dataset
The largest open reasoning dataset for code: 735,255 Python samples distilled from DeepSeek R1 across 28,319 unique competitive-programming problems from CodeForces, LeetCode, AtCoder, and more. SFT-only training on it reached 61.8% on LiveCodeBench — beating RL-trained alternatives. Predominantly CC BY 4.0 with some Apache 2.0/MIT-sourced subsets.
Dataset Details
| Provider | NVIDIA |
| Category | Rozumowanie |
| Size | 735k Samples |
| License | CC BY 4.0 |
| Downloads | n/a |
| Tags | Code-Reasoning, Competitive-Programming, R1-Distilled, Python, 2025 |
from datasets import load_dataset
ds = load_dataset("nvidia/OpenCodeReasoning")
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
Najczęstsze pytania
Czy mogę użyć OpenCodeReasoning komercyjnie?
Tak — OpenCodeReasoning jest udostępniony na licencji CC BY 4.0, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera OpenCodeReasoning i czy potrzebuję wszystkich?
OpenCodeReasoning zawiera 735k Samples. 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 OpenCodeReasoning nadaje się najlepiej?
Fine-tuning coding models that show their reasoning before writing the solution. Należy do sekcji „Rozumowanie" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide