200 tys. różnorodnych zadań tekstowych z matematyki na poziomie szkoły podstawowej, wygenerowanych syntetycznie przez GPT-4 w podejściu agentowym. Każde zadanie jest tworzone od zera, bez duplikatów z istniejących zbiorów, co pozwala osiągać wyniki na poziomie SOTA nawet przy fine-tuningu małych modeli 7B.
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:
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.