Nemotron-Math-Proofs-v3-SFT

中文简介

Nemotron-Math-Proofs-v3-SFT 包含约 41.5 万条证明、修订、验证和元验证轨迹，来自多轮生成—检查—改进流程。适合研究长数学推理的不同训练信号。

适用场景

用于证明生成与验证能力的监督微调，按问题 ID 和轨迹类型控制混合。

规模与格式

选型方向：预训练与后训练数据。固定上游版本：bdfde42d2d75c5f8fcc3e295bc150b15b42eaf17。API 任务字段：text-generation。API 语言字段：en。上游最近更新时间：2026-09-11（不一定为首次发布日期）。 规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

文件说明

上游 API 返回 12 个文件，文件元数据合计 121.95 GB。 已保存文件清单中的主要扩展名：.jsonl 10 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括：data/train-00003-of-00010.jsonl（12.26 GB）；data/train-00004-of-00010.jsonl（12.26 GB）；data/train-00007-of-00010.jsonl（12.26 GB）。 此处只统计当前 Git 仓库的文件元数据，不包含外部链接、Bucket 或另行申请的完整集合。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

• .gitattributes3.11 KB
• data/train-00000-of-00010.jsonl12.26 GB
• data/train-00001-of-00010.jsonl12.26 GB
• data/train-00002-of-00010.jsonl12.26 GB
• data/train-00003-of-00010.jsonl12.26 GB
• data/train-00004-of-00010.jsonl12.26 GB
• data/train-00005-of-00010.jsonl12.26 GB
• data/train-00006-of-00010.jsonl12.26 GB
• data/train-00007-of-00010.jsonl12.26 GB
• data/train-00008-of-00010.jsonl12.26 GB
• data/train-00009-of-00010.jsonl11.65 GB
• README.md9.03 KB

硬件建议

先确定配置、split、模态及文件范围，按原始文件、解压产物、缓存与处理副本分别估算磁盘。视频、音频和图像数据还需对应解码工具；建议先用少量样本验证 schema、时间同步与数据处理流程。

注意事项

样本数大于独立问题数，划分训练验证集时必须按问题去重，避免同题不同轨迹泄漏。

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。

• 数据集获取、核对与国内交付服务
• 数据集怎么下载：版本、分片、许可证与完整性校验
• 企业和高校批量获取模型与数据集：只需链接或准确全称
• 100GB、1TB 以上模型如何用网盘或硬盘交付