مجموعة بيانات مهمة الاستدلال العام واسعة النطاق AM-DeepSeek-R1-Distilled-1.4M

AM-DeepSeek-R1-Distilled-1.4M هي مجموعة بيانات واسعة النطاق لمهام الاستدلال العام، أصدرها فريق am في مارس 2025. نتائج الورقة البحثية ذات الصلة هي "1.4 مليون مجموعة بيانات استدلالية مفتوحة المصدر لتمكين تدريب نماذج اللغة الكبيرة".

تحتوي مجموعة البيانات على ما يقرب من 1.4 مليون إدخال بيانات، تغطي مجموعة متنوعة من أنواع الأسئلة بما في ذلك الرياضيات والترميز والأسئلة والأجوبة العلمية والدردشة العامة. لقد تم اختيار هذه البيانات بعناية، وتم إزالة التكرارات الدلالية منها وتنظيفها بدقة لضمان الجودة العالية والتحدي الذي تتمتع به البيانات. يحتوي كل إدخال في مجموعة البيانات على مسارات تفكير غنية، والتي لا تزود النموذج بأمثلة لعملية التفكير فحسب، بل تساعد النموذج أيضًا على فهم مهام التفكير المعقدة وتوليد حلول لها بشكل أفضل. يهدف إصدار مجموعة البيانات AM-DeepSeek-R1-Distilled-1.4M إلى توفير أداة قوية لمعالجة اللغة الطبيعية ومهام الاستدلال، وخاصة لتدريب وتحسين قدرات الاستدلال للنماذج اللغوية الكبيرة. ويمكن أن يساعد النماذج على تحسين أدائها في مجالات رئيسية مثل الرياضيات والترميز والإجابة على الأسئلة العلمية، حتى تتمكن من التعامل بشكل أفضل مع مهام التفكير المعقدة المختلفة.