Xirui1208/readtwice-docqa-hqa-rl-2560-20260925

ReadTwice DocQA/HQA RL 训练数据 这是本次 14B step15 后的 DocQA RL 阶段实际读取的数据，与此前 7B 初始 DocQA 阶段使用的混合数据相同。mixture.parquet 和 mixture_rows.json 与训练输入逐字节一致。 来源 条数 DocQA-RL-1.6K（train，去重后） 1,585 HotpotQA 32K（train） 975 合计 2,560 DocQA 含 624 道选择题、553 道数值题、408 道文本问答。保留原始题目、选项和完整文档；文档最长 59,473 tokens，每 chunk 最多 5,000 tokens，最多 12 chunks。长度桶的 112000 是桶标签，不是每条文档有112K tokens。 这份数据没有做离线 pass@k 筛选；原训练流程会用当前策略每题采样8次，保留答对1–7次的题组。数据构建时排除了记录在源清单中的评测题目/文档重合。没有加入本次 oracle 理想上限评测数据，也没有把答案或… See the full description on the dataset page: https://huggingface.co/datasets/Xirui1208/readtwice-docqa-hqa-rl-2560-20260925.