OpenThoughts: Рецепты данных для моделей рассуждений
OpenThoughts: Data Recipes for Reasoning Models
June 4, 2025
Авторы: 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
Аннотация
Модели рассуждений достигли значительного прогресса на многих тестовых наборах, связанных с математикой, программированием и наукой. Однако до сих пор остаются открытыми вопросы о наилучших методах обучения для таких моделей, поскольку современные модели часто полагаются на проприетарные наборы данных, информация о которых практически отсутствует в открытом доступе. Для решения этой проблемы проект OpenThoughts ставит своей целью создание открытых наборов данных для обучения моделей рассуждений. После первоначальных исследований наш набор данных OpenThoughts2-1M привел к созданию модели OpenThinker2-32B, которая стала первой моделью, обученной на открытых данных рассуждений и показавшей результаты, сопоставимые с DeepSeek-R1-Distill-32B на стандартных тестах, таких как AIME и LiveCodeBench. Затем мы улучшили наш набор данных, систематически исследуя каждый этап процесса генерации данных с помощью более чем 1000 контролируемых экспериментов, что привело к созданию OpenThoughts3. Масштабирование процесса до 1,2 миллиона примеров и использование модели QwQ-32B в качестве учителя позволило создать модель OpenThinker3-7B, которая демонстрирует передовые результаты: 53% на AIME 2025, 51% на LiveCodeBench 06/24-01/25 и 54% на GPQA Diamond. Все наши наборы данных и модели доступны на сайте 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.