CHIMERA est un jeu de données d'inférence synthétique conçu spécifiquement pour l'entraînement à l'inférence ; les articles de recherche associés incluent… CHIMERA : Données synthétiques compactes pour un raisonnement LLM généralisable Cet ensemble de données couvre un large éventail de sujets STEM et fournit des trajectoires de pensée à longue chaîne (CoT). Cet ensemble de données contient 9 225 questions réparties en 8 disciplines (mathématiques, informatique, chimie, physique, littérature, histoire, biologie et phonétique). Tous les exemples sont générés par un modèle de langage étendu (LLM) et validés automatiquement, sans annotation manuelle. Répartition des disciplines:

• Mathématiques : 4 452
• Informatique : 1 303
• Chimie : 1 102
• Physique : 742
• Littérature : 504
• Historique : 422
• Biologie : 383
• Linguistique : 317

Citation

@article{chimera2026, titre = {CHIMERA : Données synthétiques compactes pour un raisonnement LLM généralisable}, auteur = {Xinyu Zhu et Yihao Feng et Yanchao Sun et Xianzhi Du et Pingzhi Li et Olli Saarikivi et Yun Zhu et Yu Meng}, journal = {prépublication arXiv arXiv:2603.00889}, année = {2026} }