NVIDIA发布Nemotron-SFT-Math-v3数据集,应用在数学推理、机器学习领域

NVIDIA本次发布的数据集Nemotron-SFT-Math-v3,Nemotron-Math-v3 是一个大规模数学推理数据集，包含模型生成的推理轨迹，支持使用和不使用Python工具集成推理（TIR）的解决方案。数据集中的问题来源于nvidia/Nemotron-Math-v2，后者包含来自Art of Problem Solving (AoPS)社区和Math StackExchange/MathOverflow论坛的高质量数学问题。每个问题在不同推理模式下多次解决，最终答案与参考答案进行验证，确保数据集的挑战性、清洁性和高质量。数据集适用于训练和评估数学推理系统，支持结构化数学推理、工具增强推理与纯语言推理的比较、长上下文或多轨迹推理系统的构建等任务。数据集包含问题陈述、消息交互、预期答案、元数据等多个字段，格式为JSONL，总样本量达1,237,701条，磁盘大小约5.4GB。数据集采用CC BY 4.0和CC BY-SA 4.0许可，商业使用已准备就绪。

查看Nemotron-SFT-Math-v3

关于NVIDIA,英伟达是一家专注于图形处理器开发的全球知名技术公司。

关于HuggingFace,Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的开发与分享。它提供了丰富的资源，包括超过100万个模型、25万个数据集和40万个应用程序，支持文本、图像、视频、音频和3D等多种模态。此外，平台还提供企业级解决方案和开源工具，如Transformers、Diffusers等，以加速机器学习的研究和应用。