GooseReason-0.7M est un ensemble de données d'apprentissage par renforcement avec vérification (RLVR) à grande échelle publié par NVIDIA en 2026, dont les résultats de recherche associés sont présentés dans « Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text », visant à résoudre le goulot d'étranglement de la rareté des données d'entraînement vérifiables, en synthétisant un nombre illimité de tâches RLVR à partir de textes Internet riches en raisonnement via le pipeline Golden Goose.

Cet ensemble de données contient plus de 700 000 tâches, couvrant les domaines des mathématiques, de la programmation et des sciences générales, avec une échelle de données de niveau 0,7 M, principalement utilisé pour entraîner le modèle GooseReason-4B-Instruct, qui a obtenu de nouveaux résultats de pointe au niveau des modèles 4B sur 15 benchmarks couvrant les mathématiques, la programmation, le raisonnement STEM, le suivi d'instructions et les énigmes logiques. Cet ensemble de données est uniquement destiné à des fins de recherche et développement.

Composition de l'ensemble de données

• Domaine mathématique (Math) : contient 235 836 échantillons, provenant d'AoPS-Instruct (environ 600 000 paires QA du forum Art of Problem Solving, principalement des problèmes mathématiques de niveau olympique).
• Domaine de programmation (Code) : contient 281 793 échantillons, provenant de rStar-Coder (environ 418 000 problèmes de programmation issus de plateformes de programmation compétitive, utilisant la division synthetic_sft, contenant uniquement les problèmes et les solutions du modèle enseignant, sans cas de test).
• Domaine scientifique (STEM) : contient 155 496 échantillons, provenant de MegaScience (environ 650 000 paires QA issues d'environ 12 000 manuels scientifiques de niveau universitaire, couvrant la physique, la biologie, la chimie, la médecine, l'informatique, les mathématiques et l'économie).

Citation

@article{lu2026goldengoose,
  title={Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text},
  author={Lu, Ximing and Acuna, David and Jung, Jaehun and Hu, Jian and Zhang, Di and Diao, Shizhe and Zou, Yunheng and Zhang, Shaokun and Cui, Brandon and Liu, Mingjie and Kim, Hyunwoo and Ammanabrolu, Prithviraj and Kautz, Jan and Dong, Yi and Choi, Yejin},
  journal={arXiv preprint arXiv:2601.22975},
  year={2026}
}