OpenThoughts-114k は、数学、コーディング、科学、パズルなどの分野に焦点を当てたオープンソースの推論データセットで、114,000 個の高品質サンプルが含まれています。 2025 年に Open Thoughts によってリリースされたこのデータセットは、数学およびコード推論タスクにおいて既存の大規模モデル (DeepSeek-R1-Distill-Qwen-32B や DeepSeek-R1-Distill-Qwen-7B など) を上回るパフォーマンスを発揮するように小規模な推論モデルをトレーニングすることを目的としています。

引用

@misc{guha2025openthoughtsdatarecipesreasoning, タイトル={OpenThoughts: 推論モデルのためのデータレシピ}、 著者={Etash Guha、Ryan Marten、Sedrick Keh、Negin Raoof、Georgios Smyrnis、Hritik Bansal、Marianna Nezhurina、Jean Mercat、Trung Vu、Zayne Sprague、Ashima Suvarna、Benjamin Feuer、Liangyu Chen、Zaid Khan、Eric Frankel、Sachin Grover、Caroline Choi、Niklas Muennighoff、Shiye Su、Wanjia Zhao、John Yang、Shreyas Pimpalgaonkar、Kartik Sharma、Charlie Cheng-Jie Ji、Yichuan Deng、Sarah Pratt、Vivek Ramanujan、Jon Saad-Falcon、Jeffrey Li、Achal Dave、Alon Albalak、Kushal Arora、Blake Wulfe、Chinmay Hegde、Greg Durrett、Sewoong Oh、Mohit Bansal、Saadia Gabriel、Aditya Grover、 Kai-Wei Chang、Vaishaal Shankar、Aaron Gokaslan、Mike A. Merrill、Tatsunori Hashimoto、Yejin Choi、Jenia Jitsev、Reinhard Heckel、Maheswaran Sathiamoorthy、Alexandros G. Dimakis、Ludwig Schmidt}、 年={2025}、 eprint={2506.04178}、 archivePrefix={arXiv}、 primaryClass={cs.LG}、 url={https://arxiv.org/abs/2506.04178}、 }