中文简介
hiepp2/tvp4 是 hiepp2 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 c80202134061,同步到 1176 个文件,文件元数据合计 3.08 TB;访问状态为“公开”,许可证字段为“上游卡片未声明”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 hiepp2/tvp4 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
hiepp2/tvp4 是 hiepp2 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 c80202134061,同步到 1176 个文件,文件元数据合计 3.08 TB;访问状态为“公开”,许可证字段为“上游卡片未声明”。
【适用方向】
适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。
【版本与规格】
固定版本:c80202134061。 任务标签:文本生成与推理。 语言字段:en。 数据集卡名称:Mixture。 规模分类:n>1T。 上游页面记录的最近更新时间:2026-07-22。
【文件信息】
上游 API 返回 1176 个文件,文件元数据合计 3.08 TB。 已保存文件清单中的主要扩展名:.pb 25 个、.hdf5 20 个、.arrow 12 个、.safetensors 11 个、.h5 9 个、.model 9 个。 当前较大的文件包括:17NEQBZUYZTTEB1W.arrow(45.15 GB);3GQ3X5LCLPGUNG3Q.hdf5(31.62 GB);1O5CYMVAJIONXHD.safetensors(29.38 GB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。
【运行或处理环境】
仓库文件元数据合计 3.08 TB。仅按下载、解压和临时文件估算,建议至少预留约 3.69 TB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。
【使用边界】
上游卡片没有提供明确许可证字段,下载、训练、商用或再分发前必须打开原始仓库确认授权条件。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
Dataset summary Mixture-of-Thoughts is a curated dataset of 350k verified reasoning traces distilled from DeepSeek-R1. The dataset spans tasks in mathematics, coding, and science, and is designed to teach language models to reason step-by-step. It was used in the Open R1 project to train OpenR1-Distill-7B, an SFT model that replicates the reasoning capabilities of deepseek-ai/DeepSeek-R1-Distill-Qwen-7B from the same base model. To load the dataset, run: Dataset composition Mixture-of-Thoughts is composed of three domains: math, code, and science. Each domain contains reasoning traces that are designed to teach language models to reason step-by-step. The dataset is structured as follows: **math**: 93.7k reasoning traces for mathematical problems, sourced from the `default` subset of open-r1/OpenR1-Math-220k **code**: 83.1k reasoning traces for competitive programming problems in Python and C++, sourced from the `solutions` and `solutions_w_editorials` subsets of open-r1/codeforces-cots **science**: 173k reasoning traces for scientific problems, sourced from the `science` subset of nvidia/Llama-Nemotron-Post-Training-Dataset **all**: Contains all reasoning traces from the three domains, for a total of 350k traces. Curation methodology To optimise the data mixture, we followed the same methodology described in the Phi-4-reasoning tech report, namely that mixtures can be optimised independently per domain, and then combined into a single dataset. For each ablation, we evaluate on AIME 2024, GPQA Diamond, and LiveCodeBench v4 every epoch and take the best performing model checkpoint. The figure below shows the results from post-training open-r1/Qwen2.5-Math-7B-RoPE-300k on each individual domain compared to the final mixture: Overall, we find that training on all domains simultaneously yields the best results. See the subsections below for more details on optimising the data mixture per domain. [!NOTE] We use LiveCodeBench v4 to accelerate evaluation during our ablation
适用场景
适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。
规模与格式
固定版本:c80202134061。 任务标签:文本生成与推理。 语言字段:en。 数据集卡名称:Mixture。 规模分类:n>1T。 上游页面记录的最近更新时间:2026-07-22。
文件说明
上游 API 返回 1176 个文件,文件元数据合计 3.08 TB。 已保存文件清单中的主要扩展名:.pb 25 个、.hdf5 20 个、.arrow 12 个、.safetensors 11 个、.h5 9 个、.model 9 个。 当前较大的文件包括:17NEQBZUYZTTEB1W.arrow(45.15 GB);3GQ3X5LCLPGUNG3Q.hdf5(31.62 GB);1O5CYMVAJIONXHD.safetensors(29.38 GB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。
上游文件元数据
.gitattributes13.26 KB09I3ZJIBYABS0CCK.pb851.88 MB0IO65XO8KXWOA5KY.pb444.42 MB11PAZTUIS8DW85P.pb2.82 GB11QFMKPI9F2Q9S1.hdf51.18 GB12W6VKWN8XPHY4G.model797.25 MB12YBG2KHFEGR.pb337.74 MB133VXQLHFC8T.pth1.36 GB134ZDLLWKRVUCWA.pb2.77 GB149PGUMBG3SGK86.safetensors1.40 GB17L6PTNMV873KAH.pb3.16 GB17NEQBZUYZTTEB1W.arrow45.15 GB
硬件建议
仓库文件元数据合计 3.08 TB。仅按下载、解压和临时文件估算,建议至少预留约 3.69 TB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。
注意事项
上游卡片没有提供明确许可证字段,下载、训练、商用或再分发前必须打开原始仓库确认授权条件。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。