SupraLabs/reasoning-corpus-4K-5M-v1

O dataset SupraLabs/reasoning-corpus-4K-5M-v1 está entre os destaques do Hugging Face — dados que alimentam o treinamento e a avaliação dos modelos do momento.

Ficha do dataset

Sobre o dataset

Reasoning Corpus 5M · Within 5k sequence length About Dataset This dataset contains reasoning chains from major AI models, such as: DeepSeek-v4 (both Pro and Flash), DeepSeek-r1 (DS-r1, Llama-DS, Qwen-DS), Qwen3, Qwen3.

Como carregar

Use a biblioteca datasets do Hugging Face:

pip install -U datasets

Como é um dataset grande, vale carregar em modo streaming (sem baixar tudo):

from datasets import load_dataset

ds = load_dataset("SupraLabs/reasoning-corpus-4K-5M-v1", split="train", streaming=True)
for exemplo in ds.take(3):
    print(exemplo)

Tags

text-generation reasoning CoT code agentic thinking think deepseek-v4

Explorar o dataset no Hugging Face →