OpenThoughts2-1M ist ein Open-Source-Reasoning-Datensatz, der 2025 von Open Thoughts veröffentlicht wurde. Die zugehörigen Ergebnisse sind:OpenThoughts: Datenrezepte für Schlussfolgerungsmodelle". Der Datensatz basiert auf dem OpenThoughts-114k-Datensatz und ergänzt bestehende Datensätze wie OpenR1 sowie weitere Daten aus den Bereichen Mathematik und Code-Reasoning. Die Daten enthalten 1 Million hochwertige Beispiele aus den Bereichen Mathematik, Naturwissenschaften, Code und Rätsel. Die Leistung des mit diesem Datensatz trainierten OpenThinker2-Modells ist vergleichbar mit der des DeepSeek-R1-Distill-Modells. Datenstruktur

Zitat

@misc{guha2025openthoughtsdatarecipesreasoning, title={OpenThoughts: Datenrezepte für Schlussfolgerungsmodelle}, Autor={Etash Guha und Ryan Marten und Sedrick Keh und Negin Raoof und Georgios Smyrnis und Hritik Bansal und Marianna Nezhurina und Jean Mercat und Trung Vu und Zayne Sprague und Ashima Suvarna und Benjamin Feuer und Liangyu Chen und Zaid Khan und Eric Frankel und Sachin Grover und Caroline Choi und Niklas Muennighoff und Shiye Su und Wanjia Zhao und John Yang und Shreyas Pimpalgaonkar und Kartik Sharma und Charlie Cheng-Jie Ji und Yichuan Deng und Sarah Pratt und Vivek Ramanujan und Jon Saad-Falcon und Jeffrey Li und Achal Dave und Alon Albalak und Kushal Arora und Blake Wulfe und Chinmay Hegde und Greg Durrett und Sewoong Oh und Mohit Bansal und Saadia Gabriel und Aditya Grover und Kai-Wei Chang und Vaishaal Shankar und Aaron Gokaslan und Mike A. Merrill und Tatsunori Hashimoto und Yejin Choi und Jenia Jitsev und Reinhard Heckel und Maheswaran Sathiamoorthy und Alexandros G. Dimakis und Ludwig Schmidt}, Jahr={2025}, eprint={2506.04178}, archivePrefix={arXiv}, primaryClass={cs.LG}, url={https://arxiv.org/abs/2506.04178}, }