OpenThoughts: Datarecepten voor Redeneermodellen
OpenThoughts: Data Recipes for Reasoning Models
June 4, 2025
Auteurs: Etash Guha, Ryan Marten, Sedrick Keh, Negin Raoof, Georgios Smyrnis, Hritik Bansal, Marianna Nezhurina, Jean Mercat, Trung Vu, Zayne Sprague, Ashima Suvarna, Benjamin Feuer, Liangyu Chen, Zaid Khan, Eric Frankel, Sachin Grover, Caroline Choi, Niklas Muennighoff, Shiye Su, Wanjia Zhao, John Yang, Shreyas Pimpalgaonkar, Kartik Sharma, Charlie Cheng-Jie Ji, Yichuan Deng, Sarah Pratt, Vivek Ramanujan, Jon Saad-Falcon, Jeffrey Li, Achal Dave, Alon Albalak, Kushal Arora, Blake Wulfe, Chinmay Hegde, Greg Durrett, Sewoong Oh, Mohit Bansal, Saadia Gabriel, Aditya Grover, Kai-Wei Chang, Vaishaal Shankar, Aaron Gokaslan, Mike A. Merrill, Tatsunori Hashimoto, Yejin Choi, Jenia Jitsev, Reinhard Heckel, Maheswaran Sathiamoorthy, Alexandros G. Dimakis, Ludwig Schmidt
cs.AI
Samenvatting
Redeneermodellen hebben snelle vooruitgang geboekt op veel benchmarks die wiskunde, code en wetenschap betreffen. Toch zijn er nog veel open vragen over de beste trainingsmethoden voor redeneren, aangezien state-of-the-art modellen vaak vertrouwen op propriëtaire datasets met weinig tot geen publiek beschikbare informatie. Om dit aan te pakken, is het doel van het OpenThoughts-project om open-source datasets te creëren voor het trainen van redeneermodellen. Na eerste verkenningen leidde onze OpenThoughts2-1M dataset tot OpenThinker2-32B, het eerste model dat getraind is op publieke redeneergegevens en dat presteert op het niveau van DeepSeek-R1-Distill-32B op standaard redeneerbenchmarks zoals AIME en LiveCodeBench. Vervolgens verbeteren we onze dataset verder door systematisch elke stap van onze datageneratiepijplijn te onderzoeken met meer dan 1000 gecontroleerde experimenten, wat resulteerde in OpenThoughts3. Door de pijplijn op te schalen naar 1,2 miljoen voorbeelden en QwQ-32B als leraar te gebruiken, ontstaat ons OpenThinker3-7B model, dat state-of-the-art resultaten behaalt: 53% op AIME 2025, 51% op LiveCodeBench 06/24-01/25, en 54% op GPQA Diamond. Al onze datasets en modellen zijn beschikbaar op https://openthoughts.ai.
English
Reasoning models have made rapid progress on many benchmarks involving math,
code, and science. Yet, there are still many open questions about the best
training recipes for reasoning since state-of-the-art models often rely on
proprietary datasets with little to no public information available. To address
this, the goal of the OpenThoughts project is to create open-source datasets
for training reasoning models. After initial explorations, our OpenThoughts2-1M
dataset led to OpenThinker2-32B, the first model trained on public reasoning
data to match DeepSeek-R1-Distill-32B on standard reasoning benchmarks such as
AIME and LiveCodeBench. We then improve our dataset further by systematically
investigating each step of our data generation pipeline with 1,000+ controlled
experiments, which led to OpenThoughts3. Scaling the pipeline to 1.2M examples
and using QwQ-32B as teacher yields our OpenThinker3-7B model, which achieves
state-of-the-art results: 53% on AIME 2025, 51% on LiveCodeBench 06/24-01/25,
and 54% on GPQA Diamond. All of our datasets and models are available on
https://openthoughts.ai.