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.
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.