WebInstruct-verifiedは、ウォータールー大学とベクター研究所が2025年に共同でリリースしたマルチドメイン推論データセットです。関連する論文の結果は次のとおりです。一般推論者：あらゆる領域にわたる LLM 推論の進歩」は、法学修士課程の学生が数学の強みを維持しながら、さまざまな分野で推論能力を高めることを目指しています。

このデータセットには約23万件の推論問題が含まれており、多肢選択式問題や数値表現データセットのバランスの取れた分布など、様々な回答形式を網羅しています。このデータセットは、主に数学、物理学、化学、金融、その他様々な人文科学および社会科学の分野をカバーしています。

データセットの特徴:

• ゼロ RL トレーニング: 中間監督段階をバイパスして、ベース LLM から直接強化学習を行います。

• 多様な推論データ: Web から取得した 23 万件を超える高品質で検証可能な質問。分野を超えて回答の検証可能性をフィルタリングします。

• モデルベースの検証ツール: 従来のルールベースのアプローチよりも優れた、コンテキスト認識型の思考連鎖回答検証用のコンパクトな 15 億個の生成検証モデル。