AM-DeepSeek-R1-Distilled-1.4M 大规模通用推理任务数据集

AM-DeepSeek-R1-Distilled-1.4M 是由 a-m-team 于 2025 年 3 月发布的一个大规模通用推理任务数据集，相关论文成果为「1.4 Million Open-Source Distilled Reasoning Dataset to Empower Large Language Model Training」。

该数据集包含约 140 万条数据条目，涵盖了数学、代码、科学问答和通用聊天等多种类型的问题。这些数据经过精心选择、语义去重和严格的清洗处理，确保了数据的高质量和挑战性。数据集中的每个条目都包含了丰富的思考痕迹，这些痕迹不仅为模型提供了推理过程的示例，还帮助模型更好地理解和生成复杂的推理任务解决方案。 AM-DeepSeek-R1-Distilled-1.4M 数据集的发布，旨在为自然语言处理和推理任务领域提供一个强大的工具，尤其是用于训练和优化大型语言模型的推理能力。它可以帮助模型在数学、代码、科学问答等关键领域中提升表现，从而更好地应对各种复杂的推理任务。