推理

满血DeepSeek-R1蒸馏数据集

📚 数据集介绍

本数据集为中文开源蒸馏满血R1的数据集，包含Math、Exam、STEM和General等多种类型数据，总数量为110K。数据集中不仅包含数学数据，还包括大量通用场景数据，旨在帮助复现R1蒸馏模型的效果。

数据集

数据来源于多个高质量数据集，包括Haijian/Advanced-Math、meta-math/GSM8K_zh、EduChat-Math等。每条数据均标注了原始数据源repo，方便溯源。

数据来源

数据蒸馏过程中，遵循DeepSeek-R1官方提供的细节，如不增加额外系统提示词、设置temperature为0.6、强制输出以"\n"开头等，确保数据质量。

蒸馏细节

数据生成结果经过二次校验，并保留评价分数。Math和Exam数据使用Math-Verify和Qwen2.5-72B-Instruct模型打分，其他数据从无害性、有用性、正确性/完整性三个角度打分。

数据打分

由于数据由蒸馏DeepSeek-R1生成，未经严格验证，在事实性等方面可能存在不足。使用本数据集时，请务必注意甄别。

局限性

List of tokens people are building with Solana

BTC