Chinese DeepSeek R1 Distill Data 110k 中文基于 DeepSeek-R1 蒸馏数据集

* 该数据集支持在线使用，点击此处跳转。

本数据集为中文开源蒸馏满血 R1 的数据集，数据集中不仅包含 math 数据，还包括大量的通用类型数据，总数量为 110K 。

开源该数据集的原因是 R1 的效果十分强大，并且基于 R1 蒸馏数据 SFT 的小模型也展现出了强大的效果，但检索发现，大部分开源的 R1 蒸馏数据集均为英文数据集。同时，R1 的报告中展示，蒸馏模型中同时也使用了部分通用场景数据集。为了帮助大家更好地复现 R1 蒸馏模型的效果，特此开源中文数据集。

该中文数据集中的数据分布如下：

• Math：共计 36,987 个样本，
• Exam：共计 2,440 个样本，
• STEM：共计 12,000 个样本，
• General：共计 58,573，包含弱智吧、逻辑推理、小红书、知乎、 Chat 等。

字段说明：

• input：输入
• reasoning_content：思考
• content：输出
• repo_name：数据源