lianghsun/

tw-reasoning-instruct-dpo

本資料集為 tw-reasoning-instruct 的 DPO 偏好版本：每筆樣本針對需要推理的繁中問題，提供「具完整 推理過程的較佳回答（chosen）」與「思考不足或結論錯誤的回答（rejected）」。

	Dataset Details




	
	Dataset Description

題型涵蓋商業分析、報告撰寫、邏輯推理、生活情境問題等需要 step-by-step 思考的繁中問題。chosen 通常呈現多步驟、結構化的解析；rejected 則為直接給結論、推理跳步、或結論偏離問題的版本。 可作為已 SFT 完成的 reasoning 模型之 DPO 對齊資料。

Curated by: Huang Liang Hsun Language(s) (NLP): Traditional Chinese License: cc-by-nc-sa-4.0