Orca Math Word Problems — LLM Rozumowanie Dataset
200K diverse grade-school math word problems synthetically generated by GPT-4 using an agent-based approach. Each problem is uniquely crafted without duplication from existing datasets, achieving state-of-the-art results with small 7B fine-tunes.
Dataset Details
| Provider | microsoft |
| Category | Rozumowanie |
| Size | 200K Problems |
| License | MIT |
| Downloads | 580k |
| Tags | Math, Synthetic, GPT-4, Word Problems, Microsoft |
from datasets import load_dataset
ds = load_dataset("microsoft/orca-math-word-problems-200k")
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
- NuminaMath — Chain-of-thought math fine-tuning up to olympiad level
- OpenThoughts3-1.2M — Distilling strong math/code/science reasoning into 7B–32B models
- s1K-1.1 — Cheap, fast reasoning fine-tunes — 1k samples means minutes of training, not days
Najczęstsze pytania
Czy mogę użyć Orca Math Word Problems komercyjnie?
Tak — Orca Math Word Problems jest udostępniony na licencji MIT, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera Orca Math Word Problems i czy potrzebuję wszystkich?
Orca Math Word Problems zawiera 200K 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 Orca Math Word Problems nadaje się najlepiej?
Grade-school math word problems for small models. Należy do sekcji „Rozumowanie" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide