aigc
GSM8K简介
GSM8K数据集是由OpenAI发布的小学数学题数据集，其目的是诊断当前模型的失败并支持研究。
数据集的组成
- 问题数量与来源：由8.5K高质量的小学数学问题组成，这些问题都是由人类写手创造的。其中7.5K为训练问题，1K为测试问题。
- 问题难度与解决方式：这些问题需要2到8个步骤来解决，解决方法主要是使用基本的算术运算( + - / * )进行一连串的基本计算以得出最终答案，一个聪明的中学生应该能够解决每个问题。
答案格式
答案使用计算注释，使最终的数字解成为解决方案的最后一行，前面是####。在训练时，按原样在这个语言数据上进行微调；在测试时，当模型选择使用这些注释时，计算器将覆盖采样。
相关衍生数据集
- GSM8K - FIX数据集：是原始GSM8K数据集的修正版本，包含多个特征如'id'，'query'，'query4test'等。其train数据包含8792个样本，总大小为5847311字节。
- GSM8K - STEP - ANS数据集：基于GSM8K原始数据集构建，通过引入逐步推理(STEP - BY - STEP)和答案(ANS)的标注方式，提供更为细致的数学问题解答过程，不仅包含原始问题文本描述，还详细记录每一步推理逻辑过程以及最终答案，并且包含负面推理步骤以增强模型鲁棒性和推理能力