OpenThoughts2-1M est un ensemble de données de raisonnement open source publié par Open Thoughts en 2025. Les résultats de l'étude sont les suivants :OpenThoughts : Recettes de données pour modèles de raisonnement". L'ensemble de données est basé sur l'ensemble de données OpenThoughts-114k, auquel ont été ajoutés des ensembles de données existants tels qu'OpenR1 et d'autres données de raisonnement mathématique et de code. Il contient un million d'exemples de haute qualité couvrant les mathématiques, les sciences, le code et les énigmes. Les performances du modèle OpenThinker2 entraîné sur cet ensemble de données sont comparables à celles du modèle DeepSeek-R1-Distill. Structure des données

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}, }