Repenser la génération de données CoT de haute qualité sous l'angle de la gradation adaptative de la difficulté des questions pour les LLM

Rethinking the Generation of High-Quality CoT Data from the Perspective of LLM-Adaptive Question Difficulty Grading

April 16, 2025

Auteurs: Qianjin Yu, Keyu Wu, Zihan Chen, Chushu Zhang, Manlin Mei, Lingjun Huang, Fang Tan, Yongsheng Du, Kunlin Liu, Yurui Zhu

cs.AI

Résumé

Récemment, DeepSeek-R1 (671B) (DeepSeek-AI et al., 2025) a démontré ses excellentes capacités de raisonnement dans des tâches complexes et a partagé publiquement sa méthodologie. Cela fournit des données de chaîne de pensée (CoT) potentiellement de haute qualité pour stimuler les capacités de raisonnement des modèles de langage de grande taille (LLMs) de petite taille. Pour générer des données CoT de haute qualité pour différents LLMs, nous recherchons une méthode efficace pour générer des données CoT de haute qualité avec des niveaux de difficulté des questions adaptés aux LLMs. Tout d'abord, nous classons la difficulté des questions en fonction des capacités de raisonnement des LLMs eux-mêmes et construisons une base de données de questions adaptée aux LLMs. Ensuite, nous échantillonnons la base de données de problèmes en fonction d'une distribution des niveaux de difficulté des questions, puis utilisons DeepSeek-R1 (671B) (DeepSeek-AI et al., 2025) pour générer les données CoT de haute qualité correspondantes avec des réponses correctes. Grâce à la construction de données CoT avec des niveaux de difficulté adaptés aux LLMs, nous avons considérablement réduit le coût de génération des données et amélioré l'efficacité du réglage fin supervisé (SFT) des modèles. Enfin, nous avons validé l'efficacité et la généralisabilité de la méthode proposée dans les domaines des compétitions mathématiques complexes et des tâches de génération de code. Notamment, avec seulement 2k données CoT mathématiques de haute qualité, notre ZMath-32B surpasse DeepSeek-Distill-32B dans les tâches de raisonnement mathématique. De même, avec seulement 2k données CoT de code de haute qualité, notre ZCode-32B surpasse DeepSeek-Distill-32B dans les tâches de raisonnement de code.

English

Recently, DeepSeek-R1 (671B) (DeepSeek-AIet al., 2025) has demonstrated its excellent reasoning ability in complex tasks and has publiclyshared its methodology. This provides potentially high-quality chain-of-thought (CoT) data for stimulating the reasoning abilities of small-sized large language models (LLMs). To generate high-quality CoT data for different LLMs, we seek an efficient method for generating high-quality CoT data with LLM-Adaptive questiondifficulty levels. First, we grade the difficulty of the questions according to the reasoning ability of the LLMs themselves and construct a LLM-Adaptive question database. Second, we sample the problem database based on a distribution of difficulty levels of the questions and then use DeepSeek-R1 (671B) (DeepSeek-AI et al., 2025) to generate the corresponding high-quality CoT data with correct answers. Thanks to the construction of CoT data with LLM-Adaptive difficulty levels, we have significantly reduced the cost of data generation and enhanced the efficiency of model supervised fine-tuning (SFT). Finally, we have validated the effectiveness and generalizability of the proposed method in the fields of complex mathematical competitions and code generation tasks. Notably, with only 2k high-quality mathematical CoT data, our ZMath-32B surpasses DeepSeek-Distill-32B in math reasoning task. Similarly, with only 2k high-quality code CoT data, our ZCode-32B surpasses DeepSeek-Distill-32B in code reasoning tasks.