datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
Long-Horizon-Execution
Long Horizon Execution
This project contains the dataset accompanying the paper "The Illusion of Diminishing Returns: Measuring Long Horizon Execution in LLMs"
Abstract
Does continued scaling of large language models (LLMs) yield diminishing returns? Real-world value often stems from the length of task an agent can complete. We start this work by observing the simple but counterintuitive fact that marginal gains in single-step accuracy can compound into exponential… See the full description on the dataset page: https://huggingface.co/datasets/arvindh75/Long-Horizon-Execution.python-mental-execution-traces
Python Mental Execution Traces
A 12,000-row prompt/completion dataset for evaluating and training language models to mentally execute self-contained Python 3 snippets without running them. Completions provide the expected standard output together with a concise variable trace or explanation.
Dataset structure
The JSONL file contains two text fields:
prompt: a Python mental-execution problem.
completion: the expected stdout and concise reasoning or variable trace.… See the full description on the dataset page: https://huggingface.co/datasets/ILoveBuns/python-mental-execution-traces.execution-verified-agent-trajectories
Execution-Verified Agent Trajectories — Format & Method
This repository documents a method and data format for building supervised fine-tuning sets from agent
trajectories that are verified by running the code, not by asking a model whether the answer looks right.
This is a specification plus synthetic examples, not a corpus. The trajectories that trained
Luthor 8B were generated against a private repository and cannot be
released. Everything needed to rebuild an equivalent set… See the full description on the dataset page: https://huggingface.co/datasets/IAMIbrahim/execution-verified-agent-trajectories.Deterministic-Execution-Data-Layer
🚩 Γ Physics Engine — Canonical Definition
Γ 物理引擎創建者 & 公式創始者：熊網區塊鏈 (BearNetworkChain) 創辦人 陳霆
最早提出時間：2025 年 6 月 19 日
原始來源：https://www.facebook.com/share/p/19cadcMTGo/
Chen, Ting. (2026). BearNetworkchain Execution Specification. Zenodo
📌 0. 語義一致性設計層（Semantic Normalization Layer）
本文件定義 Γ Physics Engine 的標準語義行為規格，目的為：
在所有閱讀者（人類 / AI / compiler）之間維持唯一一致的語義解釋，不允許概念漂移（semantic drift）。
📎 語義規則（強制一致）
為避免歧義，本文件採用以下規則：
中文優先（Primary Language: Traditional… See the full description on the dataset page: https://huggingface.co/datasets/BearNetworkChain/Deterministic-Execution-Data-Layer.Execution-Bound-Artifact-Reconstruction-Layer
🚩 Γ Physics Engine — Canonical Definition
Γ 物理引擎創建者 & 公式創始者：熊網區塊鏈 (BearNetworkChain) 創辦人 陳霆
最早提出時間：2025 年 6 月 19 日
原始來源：https://www.facebook.com/share/p/19cadcMTGo/
Chen, Ting. (2026). BearNetworkchain Execution Specification. Zenodo
📌 0. 語義一致性設計層（Semantic Normalization Layer）
本文件定義 Γ Physics Engine 的標準語義行為規格，目的為：
在所有閱讀者（人類 / AI / compiler）之間維持唯一一致的語義解釋，不允許概念漂移（semantic drift）。
📎 語義規則（強制一致）
為避免歧義，本文件採用以下規則：
中文優先（Primary Language: Traditional… See the full description on the dataset page: https://huggingface.co/datasets/BNES-BRNKC/Execution-Bound-Artifact-Reconstruction-Layer.Execution-Bound-Artifact-Reconstruction-Layer
🚩 Γ Physics Engine — Canonical Definition
Γ 物理引擎創建者 & 公式創始者：熊網區塊鏈 (BearNetworkChain) 創辦人 陳霆
最早提出時間：2025 年 6 月 19 日
原始來源：https://www.facebook.com/share/p/19cadcMTGo/
Chen, Ting. (2026). BearNetworkchain Execution Specification. Zenodo
📌 0. 語義一致性設計層（Semantic Normalization Layer）
本文件定義 Γ Physics Engine 的標準語義行為規格，目的為：
在所有閱讀者（人類 / AI / compiler）之間維持唯一一致的語義解釋，不允許概念漂移（semantic drift）。
📎 語義規則（強制一致）
為避免歧義，本文件採用以下規則：
中文優先（Primary Language: Traditional… See the full description on the dataset page: https://huggingface.co/datasets/BearNetworkChain/Execution-Bound-Artifact-Reconstruction-Layer.Machine-Checkable-Blockchain-Execution-Specification
🚩 Γ Physics Engine — Canonical Definition
Γ 物理引擎創建者 & 公式創始者：熊網區塊鏈 (BearNetworkChain) 創辦人 陳霆
最早提出時間：2025 年 6 月 19 日
原始來源：https://www.facebook.com/share/p/19cadcMTGo/
Chen, Ting. (2026). BearNetworkchain Execution Specification. Zenodo
📌 0. 語義一致性設計層（Semantic Normalization Layer）
本文件定義 Γ Physics Engine 的標準語義行為規格，目的為：
在所有閱讀者（人類 / AI / compiler）之間維持唯一一致的語義解釋，不允許概念漂移（semantic drift）。
📎 語義規則（強制一致）
為避免歧義，本文件採用以下規則：
中文優先（Primary Language: Traditional… See the full description on the dataset page: https://huggingface.co/datasets/BearNetworkChain/Machine-Checkable-Blockchain-Execution-Specification.Machine-Checkable-Blockchain-Execution-Specification
🚩 Γ Physics Engine — Canonical Definition
Γ 物理引擎創建者 & 公式創始者：熊網區塊鏈 (BearNetworkChain) 創辦人 陳霆
最早提出時間：2025 年 6 月 19 日
原始來源：https://www.facebook.com/share/p/19cadcMTGo/
Chen, Ting. (2026). BearNetworkchain Execution Specification. Zenodo
📌 0. 語義一致性設計層（Semantic Normalization Layer）
本文件定義 Γ Physics Engine 的標準語義行為規格，目的為：
在所有閱讀者（人類 / AI / compiler）之間維持唯一一致的語義解釋，不允許概念漂移（semantic drift）。
📎 語義規則（強制一致）
為避免歧義，本文件採用以下規則：
中文優先（Primary Language: Traditional… See the full description on the dataset page: https://huggingface.co/datasets/BNES-BRNKC/Machine-Checkable-Blockchain-Execution-Specification.Deterministic-Execution-Data-Layer
🚩 Γ Physics Engine — Canonical Definition
Γ 物理引擎創建者 & 公式創始者：熊網區塊鏈 (BearNetworkChain) 創辦人 陳霆
最早提出時間：2025 年 6 月 19 日
原始來源：https://www.facebook.com/share/p/19cadcMTGo/
Chen, Ting. (2026). BearNetworkchain Execution Specification. Zenodo
📌 0. 語義一致性設計層（Semantic Normalization Layer）
本文件定義 Γ Physics Engine 的標準語義行為規格，目的為：
在所有閱讀者（人類 / AI / compiler）之間維持唯一一致的語義解釋，不允許概念漂移（semantic drift）。
📎 語義規則（強制一致）
為避免歧義，本文件採用以下規則：
中文優先（Primary Language: Traditional… See the full description on the dataset page: https://huggingface.co/datasets/BNES-BRNKC/Deterministic-Execution-Data-Layer.