中文简介
microsoft/OpenMementos 是 microsoft 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 caaf4bfe9741,同步到 62 个文件,文件元数据合计 12.97 GB;访问状态为“公开”,许可证字段为“mit”。
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 microsoft/OpenMementos 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】
microsoft/OpenMementos 是 microsoft 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 caaf4bfe9741,同步到 62 个文件,文件元数据合计 12.97 GB;访问状态为“公开”,许可证字段为“mit”。
【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:caaf4bfe9741。 任务标签:文本生成与推理。 语言字段:en。 数据集卡名称:OpenMementos-228K。 规模分类:100K<n<1M。 上游页面记录的最近更新时间:2026-04-08。
【文件信息】
上游 API 返回 62 个文件,文件元数据合计 12.97 GB。 已保存文件清单中的主要扩展名:.parquet 59 个、无扩展名 2 个、.md 1 个。 当前较大的文件包括:full/train-00002-of-00039.parquet(272.85 MB);data/train-00001-of-00020.parquet(272.66 MB);data/train-00000-of-00020.parquet(272.42 MB)。
【运行或处理环境】
仓库文件元数据合计 12.97 GB。仅按下载、解压和临时文件估算,建议至少预留约 15.57 GB 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】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 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。
OpenMementos-228K A dataset of **228,557** reasoning traces annotated with block segmentation and compressed summaries (mementos), derived from OpenThoughts-v3. Memento is a framework for teaching language models to **manage their own context** during long-form reasoning. Instead of generating one long, unstructured chain-of-thought, memento-trained models segment their reasoning into **blocks**, compress each block into a dense **summary** (a *memento*), and continue reasoning from mementos alone. In the released training data, the paper reports **~6× trace-level compression**, from ~10,900 block tokens to ~1,850 memento tokens per trace. Code: microsoft/memento Quick Start Available Subsets `default` — Training-ready data Contains pre-assembled memento-formatted responses ready for SFT training. | Column | Type | Description | |--------|------|-------------| | `problem` | string | Problem statement | | `response` | string | Memento-formatted response with block/summary tokens (see format below) | | `domain` | string | `code`, `math`, or `science` | | `source` | string | Original dataset source | | `difficulty` | int | Difficulty rating (code domain only, 6–10) | `full` — With pipeline components Everything in `default`, plus the intermediate pipeline outputs for researchers who want to re-segment, analyze, or reconstruct: | Column | Type | Description | |--------|------|-------------| | `sentences` | list[string] | Individual sentences from sentence splitting | | `blocks` | list[list[int]] | Block boundaries as `[start_idx, end_idx]` sentence index pairs | | `block_summaries` | list[string] | Iteratively refined summary for each block | Response Format The `response` column contains reasoning traces with Memento special tokens: Special Tokens | Token | Purpose | |-------|---------| | ` ` / ` ` | Reasoning wrapper | | ` ` / ` ` | Reasoning block delimiters | | ` ` / ` ` | Summary (memento) delimiters | During inference with block masking, completed blocks are evict
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:caaf4bfe9741。 任务标签:文本生成与推理。 语言字段:en。 数据集卡名称:OpenMementos-228K。 规模分类:100K<n<1M。 上游页面记录的最近更新时间:2026-04-08。
文件说明
上游 API 返回 62 个文件,文件元数据合计 12.97 GB。 已保存文件清单中的主要扩展名:.parquet 59 个、无扩展名 2 个、.md 1 个。 当前较大的文件包括:full/train-00002-of-00039.parquet(272.85 MB);data/train-00001-of-00020.parquet(272.66 MB);data/train-00000-of-00020.parquet(272.42 MB)。
上游文件元数据
.gitattributes2.45 KBdata/train-00000-of-00020.parquet272.42 MBdata/train-00001-of-00020.parquet272.66 MBdata/train-00002-of-00020.parquet271.84 MBdata/train-00003-of-00020.parquet265.79 MBdata/train-00004-of-00020.parquet248.90 MBdata/train-00005-of-00020.parquet249.36 MBdata/train-00006-of-00020.parquet248.01 MBdata/train-00007-of-00020.parquet248.93 MBdata/train-00008-of-00020.parquet248.83 MBdata/train-00009-of-00020.parquet246.74 MBdata/train-00010-of-00020.parquet246.49 MB
硬件建议
仓库文件元数据合计 12.97 GB。仅按下载、解压和临时文件估算,建议至少预留约 15.57 GB 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
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 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。