Chinese-DeepSeek-R1-Distill-data-110k Congliu
中文基于满血DeepSeek-R1蒸馏数据集（Chinese-Data-Distill-From-R1） 🤗 Hugging Face | 🤖 ModelScope | 🚀 Github | 📑 Blog 注意：提供了直接SFT使用的版本，点击下载。将数据中的思考和答案整合成output字段，大部分SFT代码框架均可直接直接加载训练。 本数据集为中文开源蒸馏满血R1的数据集，数据集中不仅包含math数据，还包括大量的通用类型数据，总数量为110K。 为什么开源这个数据？ R1的效果十分强大，并且基于R1蒸馏数据SFT的小模型也展现出了强大的效果，但检索发现，大部分开源的R1蒸馏数据集均为英文数据集。 同时，R1的报告中展示，蒸馏模型中同时也使用了部分通用场景数据集。 为了帮助大家更好地复现R1蒸馏模型的效果，特此开源中文数据集。 该中文数据集中的数据分布如下：… See the full description on the dataset page: https://huggingface.co/datasets/Congliu/Chinese-DeepSeek-R1-Distill-data-110k.
- 类型
- dataset
- 许可
- apache-2.0
- 语言
- zh
- 下载量
- 1,101
- 点赞
- 781
- 访问
- public
- 文件
- 0
标签
- 蒸馏
- 指令微调
- 多语言语料
- 数学推理
- 大语言模型
- 文本生成
- 对话数据
- 微调
摘要
该数据集是从满血DeepSeek-R1蒸馏出的中文语言数据集，包含11万条样本，覆盖数学（约3.6万）、考试、STEM及弱智吧、知乎等通用类型数据，用于复现R1蒸馏模型效果。数据经二次校验与Qwen2.5-72B打分，保留思考与输出字段，可直接用于SFT训练，适合中文学术与推理场景的微调。
README
--- license: apache-2.0 language: - zh size_categories: - 100K<n<1M task_categories: - text-generation - text2text-generation - question-answering --- # 中文基于满血DeepSeek-R1蒸馏数据集（Chinese-Data-Distill-From-R1） <p align="center"> 🤗 <a href="https://huggingface.co/datasets/Congliu/Chinese-DeepSeek-R1-Di…