OpenThoughts-114k est un ensemble de données de raisonnement open source axé sur des domaines tels que les mathématiques, le codage, la science et les énigmes, contenant 114 000 échantillons de haute qualité. Publié par Open Thoughts en 2025, cet ensemble de données vise à former de petits modèles de raisonnement pour surpasser les grands modèles existants (tels que DeepSeek-R1-Distill-Qwen-32B et DeepSeek-R1-Distill-Qwen-7B) sur des tâches de raisonnement mathématique et de code.

Citation

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