FineReason est un jeu de données publié par OpenDataArena en 2025 pour l'entraînement et l'évaluation des capacités de raisonnement visuel des grands modèles multimodaux (LMM). Il vise à améliorer les capacités de raisonnement à longue chaîne, interprétables et vérifiables, des modèles dans des scénarios tels que les puzzles visuels, les jeux, le raisonnement sur des graphes complexes et les applications de connaissances en sciences, technologies, ingénierie et mathématiques (STEM).

Cet ensemble de données couvre différents types de tâches, notamment des problèmes de géométrie (geometry3k / geo170k), la compréhension de diagrammes et d'organigrammes (AI2D), ainsi que des exercices de raisonnement visuel et d'observation (visualwebinstruct, etc.). Tous les exemples utilisent un format de données uniforme, comprenant un identifiant unique, le texte de la question, l'image correspondante et la réponse basée sur le raisonnement. L'ensemble de données est constitué de plusieurs sous-ensembles publics et ses chaînes de raisonnement sont extraites à l'aide du modèle Qwen3-VL-235B-a22B-thinking, garantissant ainsi que tous les exemples possèdent un processus de raisonnement étape par étape clairement structuré et vérifiable, ainsi qu'une solution finale.

Composition des données (en constante expansion) :

• BMMR : 42 647 entrées
• Euclid30K : 27 111 entrées
• ai2d_merged : 2 446 entrées
• geo170k (Questions-Réponses) : 12 101 résultats
• geometry3k / mathv360k : 9 724 résultats
• ScienceQA : 6 146 résultats
• TQA (TextbookQA) : 12 565 articles
• VisualWebInstruct (filtré) : 261 436 résultats
• MMR1 : 1 000 pièces
• VisualSphinx : 3 781 résultats
• MMOpenR1-8K : 7 428 entrées