GooseReason-0.7M は、NVIDIA が 2026 年に公開した大規模強化学習検証推論（RLVR）データセットであり、関連する論文成果は「Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text」で、検証可能なトレーニングデータの不足というボトルネックを解決することを目的としています。Golden Goose パイプラインを通じて、豊富な推論系インターネットテキストから無限の RLVR タスクを合成します。

このデータセットには、数学、プログラミング、一般科学の分野を網羅する 70 万以上のタスクが含まれており、データ規模は 0.7M レベルに達します。主に GooseReason-4B-Instruct モデルのトレーニングに使用され、このモデルは数学、プログラミング、STEM 推論、指示追従、論理パズルをカバーする 15 のベンチマークで、4B レベルモデルとしての新たな最先端結果を達成しました。 このデータセットは研究開発目的のみに使用されます。

データセット構成

• 数学分野（Math）：235,836 サンプルを含み、ソースは AoPS-Instruct（Art of Problem Solving フォーラムの約 60 万 QA ペアで、主にオリンピックレベルの数学問題）。
• プログラミング分野（Code）：281,793 サンプルを含み、ソースは rStar-Coder（競技プログラミングプラットフォームからの約 41.8 万プログラミング問題で、synthetic_sft 分割を使用し、問題と教師モデルの解決策のみを含み、テストケースは含まれません）。
• 科学分野（STEM）：155,496 サンプルを含み、ソースは MegaScience（約 1.2 万冊の大学レベルの科学教科書からの約 65 万 QA ペアで、物理学、生物学、化学、医学、コンピュータサイエンス、数学、経済学をカバー）。

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}
}