Dataset do treningu wygenerowany przy pomocy polskiego modelu Bielik-11B-v2. Wzorowany na zbiorze GSM8K od OpenAI. Mimo błędów merytorycznych lub trochę niezorganizowanych kroków w niektórych zadaniach, model poradził sobie z tym zadaniem bardzo dobrze. Niestety model nie zawsze podawał poprawne odpowiedzi oraz nie zawsze podawał odpowiedzi w poprawnym formacie, więc w razie potrzeby zostały one poprawione ręcznie lub usunięte. ~75% odpowiedzi jednak było poprawne bez potrzeby ich poprawiania. Wygenerowane zbiory do treningu oraz testu znajdują się w plikach train.jsonl oraz test.jsonl.
cot_outputs zawiera plik z SHA256 dla każdego z pytań, który zawiera tagi <reasoning> oraz <answer>. Nazwa pliku dla każdego z pytań jest wyznaczana przez SHA256 pytania.
Stwórz dataset zawierający 20 przykładów zadań matematycznych w języku polskim. Każde zadanie powinno wymagać od 2 do 8 kroków do rozwiązania i opierać się na wykonywaniu kolejnych, elementarnych obliczeń z użyciem podstawowych operacji arytmetycznych (+, −, ×, ÷). Problemy mają być wystarczająco proste, aby mogły zostać rozwiązane przez bystrego ucznia gimnazjum, ale jednocześnie powinny wymagać wieloetapowego rozumowania matematycznego.
Wygenerowane przykłady muszą być w formacie .json , w którym każda linia zawiera pojedynczy obiekt JSON o następującej strukturze:
{"question": "<treść zadania>", "answer": "<pełne rozwiązanie wraz z kolejnymi krokami obliczeń, zapisane w jednej linijce, bez podziału na kilka linii; na końcu odpowiedzi dodaj wynik w formacie '#### wynik'>"}
Ważne wymagania:
Wszystkie przykłady muszą być napisane po polsku (zarówno treść zadania, jak i rozwiązanie).
Obliczenia muszą być zapisane w znacznikach << >>, np. 110 / 11 = <<110/11=10>>10 liści.
Ostateczna odpowiedź powinna być oddzielona od rozwiązania delimiterem ####, np. ####10.
Format JSON musi być zachowany – każda linia powinna być pojedynczym obiektem JSON bez zbędnych znaków nowej linii.
Przykładowy format (nie tłumacz poniższych przykładów, tylko zachowaj podobny styl dla polskich zadań):
{"question": "Janet’s ducks lay 16 eggs per day. She eats three for breakfast every morning and bakes muffins for her friends every day with four. She sells the remainder at the farmers' market daily for 2perfreshduckegg.Howmuchindollarsdoesshemakeeverydayatthefarmers ′ market?", "answer": "Janetsells16−3−4=<<16−3−4=9>>9duckeggsaday. Shemakes9_2=<<9_2=18>>18everydayatthefarmer’smarket.####18"} {"question": "A robe takes 2 bolts of blue fiber and half that much white fiber. How many bolts in total does it take?", "answer": "Ittakes2/2=<<2/2=1>>1boltofwhitefiber. Thesumoffabricis2+1=<<2+1=3>>3boltsoffabric.####3"} {"question": "Josh decides to try flipping a house. He buys a house for 80,000 and then puts in $50,000 in repairs. This increased the value of the house by 150%. How much profit did he make?", "answer": "Thetotalcostis80,000+50,000=<<80000+50000=130000>>130000. Theincreaseis80,000*1.5=<<80000*1.5=120000>>120000. Thenewvalueis120,000+80,000=<<120000+80000=200000>>200000. Theprofitis200,000−130,000=<<200000-130000=70000>>70000.####70000"}
Wygeneruj 10 takich przykładów w języku polskim, zachowując powyższe zasady i formatowanie.
{
"question": "Piotr ma 30 metrów sznurka. Używa 8 metrów sznurka na jedną paczkę z prezentem. Ile paczek może zrobić Piotr, używając całego sznurka?",
"answer": "Piotr ma 30 metrów sznurka i używa 8 metrów na jedną paczkę: 30 / 8 = <<30/8=3.75>>3.75 paczek (zaokrąglone do 3 paczek). Piotr może zrobić 3 paczki. ####3"
},
{
"question": "Dorota chce kupić 6 kwiatów doniczkowych. Każdy kwiat kosztuje 15 złotych. Ile pieniędzy wyda Dorota na kwiaty?",
"answer": "Każdy kwiat kosztuje 15 złotych, a Dorota chce kupić 6 kwiatów: 15 * 6 = <<15*6=90>>90 złotych. Dorota wyda 90 złotych. ####90"
},
Comtegra jest integratorem systemów informatycznych z siedzibą w Polsce, specjalizującym się w różnych aspektach technologii informatycznych, w tym w przechowywaniu i zarządzaniu danymi, bezpieczeństwie informacji i budowie sieci. Założona w 1999 roku, Comtegra stała się znaczącym graczem na polskim rynku IT, świadcząc usługi takie jak rozwiązania do tworzenia kopii zapasowych, cyberbezpieczeństwo i technologie wirtualizacji. Firma kładzie nacisk na integrację sztucznej inteligencji z operacjami biznesowymi w celu usprawnienia zarządzania danymi i procesów decyzyjnych.