SandThink 是一个专为具身智能 (Embodied AI) 任务设计的大规模指令微调与偏好对齐数据集。该数据集通过结构化的 Chain-of-Thought (CoT) 推理过程，显著提升了 Vision-Language-Action (VLA) 模型在复杂环境下的任务拆解、路径规划和动作执行能力。

📊 数据集概览 (Dataset Summary)

本数据集包含三个核心组件，总计约 37,000 条高质量数据：

文件名类型规模说明

Mars_CoT.jsonl SFT / CoT ~17,000 条针对特定复杂环境（如类地/火星沙盘）的高级推理数据。

iter_DPO_data.jsonl DPO / RLHF ~16,000 条包含 Chosen 和 Rejected 的偏好对，用于模型对齐与优化。

train_CoT.jsonl SFT / CoT ~4,000 条基础任务的思维链训练数据，涵盖避障、导航等指令。… See the full description on the dataset page: https://huggingface.co/datasets/XDUImageLab/SandThink.