OpenCodeReasoning
Największy otwarty zbiór do rozumowania nad kodem: 735 255 próbek w Pythonie destylowanych z DeepSeek R1 na podstawie 28 319 unikalnych zadań z programowania konkursowego z CodeForces, LeetCode, AtCoder i innych. Sam trening SFT na tym zbiorze pozwolił osiągnąć 61,8% na LiveCodeBench — powyżej alternatyw trenowanych metodą RL. Głównie na licencji CC BY 4.0, z niektórymi podzbiorami pochodzącymi z Apache 2.0/MIT.
from datasets import load_dataset
ds = load_dataset("nvidia/OpenCodeReasoning")Podgląd przykładowego wiersza
{
"input": "Given an array of n integers, find the length of the longest strictly increasing subsequence. n ≤ 2500.",
"output": "<think>O(n log n) with patience sorting: keep tails array, binary search each element...</think>\nimport bisect\ndef lis(a):\n tails = []\n for x in a:\n i = bisect.bisect_left(tails, x)\n if i == len(tails): tails.append(x)\n else: tails[i] = x\n return len(tails)",
"source": "codeforces",
"difficulty": "medium"
}Fine-tuning z tym zbiorem danych
Szacowany VRAM do fine-tuningu z QLoRA (model bazowy 4-bit + adaptery LoRA), przy zachowawczych ustawieniach:
Pierwszy fine-tuning? Przejdź przewodnik krok po kroku: Zrób fine-tuning pierwszego LLM w godzinę
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.