cotgen
Datasets
All datasets matching “cotgen”Eklav-Math-CotGen-Data
HETU-MathReasoning-CotGen-Data
Training data for the HETU (Hints Enable True Understanding) paper.
Task: math reasoning (AIME, GSM8K, MATH-500, Omni-MATH, GPQA-Diamond, MMLU)
Method: CotGen
Examples: 3,481 train / 35-36 held-out val
Format: ShareGPT (system + conversations: [{from, value}]), used for LoRA SFT via LLaMA-Factory.
Single-turn ShareGPT conversations, curated DeepSeek-R1-style math reasoning distillation. Each row: the raw math/logic problem (human turn) and the… See the full description on the dataset page: https://huggingface.co/datasets/AdarshSingh7647/Eklav-Math-CotGen-Data.Eklav-Reranker-CotGen-Data
HETU-PassageReranking-CotGen-Data
Training data for the HETU (Hints Enable True Understanding) paper.
Task: passage reranking (BRIGHT / NevIR benchmarks)
Method: CotGen
Examples: 381,934 train / held-out val
Format: ShareGPT (system + conversations: [{from, value}]), used for LoRA SFT via LLaMA-Factory.
Single-turn ShareGPT conversations. Each row: a query+passage relevance-judgment prompt (human turn) and the model's full chain-of-thought plus true/false judgment (gpt turn)… See the full description on the dataset page: https://huggingface.co/datasets/AdarshSingh7647/Eklav-Reranker-CotGen-Data.COT_GENcot_general
cot_general
データセットの説明
このデータセットは、以下の分割（split）ごとに整理された処理済みデータを含みます。
strategyqa: 1 JSON files, 1 Parquet files
medcal: 1 JSON files, 1 Parquet files
データセット構成
各 split は JSON 形式と Parquet 形式の両方で利用可能です:
JSONファイル: 各 split 用サブフォルダ内の元データ（medcal/）
Parquetファイル: split名をプレフィックスとした最適化データ（data/medcal_*.parquet）
各 JSON ファイルには、同名の split プレフィックス付き Parquet ファイルが対応しており、大規模データセットの効率的な処理が可能です。
使い方
from datasets import load_dataset
# 特定の split を読み込む
strategyqa_data =… See the full description on the dataset page: https://huggingface.co/datasets/neko-llm/cot_general.cot_generalization