GooseReason-0.7M هو مجموعة بيانات للتحقق من الاستدلال عبر التعلم المعزز واسع النطاق (RLVR) أصدرتها NVIDIA في عام 2026، وتستند إلى الورقة البحثية «Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text»، وتهدف إلى حل مشكلة ندرة بيانات التدريب القابلة للتحقق، من خلال خط أنابيب Golden Goose لتوليد مهام RLVR غير محدودة من نصوص الإنترنت الغنية بالاستدلال.

تحتوي مجموعة البيانات هذه على أكثر من 700,000 مهمة تغطي مجالات الرياضيات والبرمجة والعلوم العامة، بحجم بيانات يصل إلى مستوى 0.7M، وتُستخدم أساسًا لتدريب نموذج GooseReason-4B-Instruct، الذي حقق نتائج حديثة جديدة على مستوى نماذج 4B في 15 معيارًا تشمل الرياضيات والبرمجة واستدلال STEM واتباع التعليمات والألغاز المنطقية. تُستخدم مجموعة البيانات هذه لأغراض البحث والتطوير فقط.

تكوين مجموعة البيانات

• مجال الرياضيات (Math): يحتوي على 235,836 عينة، مصدرها AoPS-Instruct (حوالي 600,000 زوج أسئلة وأجوبة من منتدى Art of Problem Solving، معظمها مسائل رياضيات بمستوى الأولمبياد).
• مجال البرمجة (Code): يحتوي على 281,793 عينة، مصدرها rStar-Coder (حوالي 418,000 مسألة برمجة من منصات البرمجة التنافسية، باستخدام تقسيم synthetic_sft، وتتضمن فقط الأسئلة وحلول نموذج المعلم، دون حالات اختبار).
• مجال العلوم (STEM): يحتوي على 155,496 عينة، مصدرها MegaScience (حوالي 650,000 زوج أسئلة وأجوبة من حوالي 12,000 كتاب مدرسي جامعي في العلوم، تغطي الفيزياء والأحياء والكيمياء والطب وعلوم الكمبيوتر والرياضيات والاقتصاد).

Citation

@article{lu2026goldengoose,
  title={Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text},
  author={Lu, Ximing and Acuna, David and Jung, Jaehun and Hu, Jian and Zhang, Di and Diao, Shizhe and Zou, Yunheng and Zhang, Shaokun and Cui, Brandon and Liu, Mingjie and Kim, Hyunwoo and Ammanabrolu, Prithviraj and Kautz, Jan and Dong, Yi and Choi, Yejin},
  journal={arXiv preprint arXiv:2601.22975},
  year={2026}
}