OpenThoughts: Receitas de Dados para Modelos de Raciocínio
OpenThoughts: Data Recipes for Reasoning Models
June 4, 2025
Autores: 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
Resumo
Modelos de raciocínio têm feito progressos rápidos em muitos benchmarks envolvendo matemática, código e ciência. No entanto, ainda há muitas questões em aberto sobre as melhores abordagens de treinamento para raciocínio, já que os modelos de última geração frequentemente dependem de conjuntos de dados proprietários com pouca ou nenhuma informação pública disponível. Para abordar isso, o objetivo do projeto OpenThoughts é criar conjuntos de dados de código aberto para treinar modelos de raciocínio. Após explorações iniciais, nosso conjunto de dados OpenThoughts2-1M levou ao OpenThinker2-32B, o primeiro modelo treinado com dados públicos de raciocínio a igualar o desempenho do DeepSeek-R1-Distill-32B em benchmarks padrão de raciocínio, como AIME e LiveCodeBench. Em seguida, aprimoramos nosso conjunto de dados investigando sistematicamente cada etapa do nosso pipeline de geração de dados com mais de 1.000 experimentos controlados, o que resultou no OpenThoughts3. Escalonando o pipeline para 1,2 milhões de exemplos e usando o QwQ-32B como professor, obtivemos nosso modelo OpenThinker3-7B, que alcança resultados de última geração: 53% no AIME 2025, 51% no LiveCodeBench 06/24-01/25 e 54% no GPQA Diamond. Todos os nossos conjuntos de dados e modelos estão disponíveis em 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.