GooseReason-0.7M은 NVIDIA가 2026년에 발표한 대규모 강화 학습 검증 추론(RLVR) 데이터셋으로, 관련 논문 성과는 「Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text」이며, 검증 가능한 훈련 데이터 부족이라는 병목 현상을 해결하기 위해 Golden Goose 파이프라인을 통해 풍부한 추론형 인터넷 텍스트에서 무한한 양의 RLVR 작업을 합성합니다.

이 데이터셋은 수학, 프로그래밍, 일반 과학 분야를 아우르는 70만 개 이상의 작업을 포함하며, 데이터 규모는 0.7M 수준에 달합니다. 주로 GooseReason-4B-Instruct 모델을 훈련하는 데 사용되며, 해당 모델은 수학, 프로그래밍, STEM 추론, 지시 수행, 논리 퍼즐을 포함한 15개 벤치마크에서 4B급 모델의 새로운 최첨단 결과를 달성했습니다. 이 데이터셋은 연구 개발 목적으로만 사용됩니다.

데이터셋 구성

• 수학 분야(Math): 235,836개의 샘플 포함, 출처는 AoPS-Instruct(Art of Problem Solving 포럼의 약 60만 QA 쌍, 주로 올림피아드 수준 수학 문제).
• 프로그래밍 분야(Code): 281,793개의 샘플 포함, 출처는 rStar-Coder(경쟁 프로그래밍 플랫폼의 약 41.8만 프로그래밍 문제, synthetic_sft 분할 사용, 문제와 교사 모델 솔루션만 포함하며 테스트 케이스는 없음).
• 과학 분야(STEM): 155,496개의 샘플 포함, 출처는 MegaScience(약 1.2만 권의 대학 수준 과학 교과서에서 추출한 약 65만 QA 쌍, 물리학, 생물학, 화학, 의학, 컴퓨터 과학, 수학, 경제학을 포함).

인용

@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}
}