Spark-234K 数据集介绍、许可证与获取服务

中文简介

Spark-234K 将科研论文先整理为推理骨架，再构造自包含问题与答案，提供约 23.4 万条科学推理问答。它重点保留结论、证据、定量关系与边界条件。

UPSTREAM README

上游模型卡 / 数据集卡

简体中文（默认）上游原文

【定位与用途】
Spark-234K 将科研论文先整理为推理骨架，再构造自包含问题与答案，提供约 23.4 万条科学推理问答。它重点保留结论、证据、定量关系与边界条件。

【如何选择】
适合科学推理 SFT、学科均衡采样和合成数据质量研究。

【版本与获取范围】
选型方向：预训练与后训练数据。固定上游版本：9cbf7513c53bdb8d0074906d7db92edeb97aa706。API 任务字段：text-generation。API 语言字段：en。上游最近更新时间：2026-09-06（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。

【容易混淆的边界】
数据由模型合成，不能当作经过领域专家逐条确认的科研结论；先检查事实、答案和评测集污染。

本节是本站基于固定版本卡片编写的中文选型摘要，并非原文逐句翻译。完整操作、评测协议与许可原文请查看上游固定版本链接；模型效果及资源处理需求尚未由本站实测。

基于固定版本上游资料编写的中文选型说明 · 2026-09-20 15:03

本页提供中文选型摘要，请通过上方固定版本链接查看完整上游模型卡或数据集卡。

适用场景

适合科学推理 SFT、学科均衡采样和合成数据质量研究。

规模与格式

选型方向：预训练与后训练数据。固定上游版本：9cbf7513c53bdb8d0074906d7db92edeb97aa706。API 任务字段：text-generation。API 语言字段：en。上游最近更新时间：2026-09-06（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 8 个文件，文件元数据合计 3.28 GB。已保存文件清单中的主要扩展名：.jpeg 2 个、.png 2 个、.jsonl 1 个、.md 1 个、.parquet 1 个、无扩展名 1 个。当前较大的文件包括：Spark-234K-data.jsonl（2.45 GB）；Spark-234K-data.parquet（844.27 MB）；image/Spark_Pipeline.jpeg（1.12 MB）。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。

.gitattributes2.50 KB
image/category.png101.99 KB
image/data_analysis.png109.77 KB
image/data_performance.jpeg854.48 KB
image/Spark_Pipeline.jpeg1.12 MB
README.md3.84 KB
Spark-234K-data.jsonl2.45 GB
Spark-234K-data.parquet844.27 MB

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

数据由模型合成，不能当作经过领域专家逐条确认的科研结论；先检查事实、答案和评测集污染。

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。

第三方资源声明

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。