weblab-llm-competition-2025-bridge/

team-truthowl-mixed-reasoning-dataset

	Team P11 Mixed Reasoning Dataset




	
	📊 Dataset description

HLE（Humanity's Last Exam）向けに作成した、数学中心＋科学MCの混合推論データセットです。 推論過程（Chain-of-Thought）を保持し、最終解答の正規化を行っています。 対象モデルは DeepSeek-R1-Distill-Qwen-32B、学習はQLoRAを想定しています。

Competition: 松尾研LLMコンペ 2025
Target Model: DeepSeek-R1-Distill-Qwen-32B
Training Method: QLoRA Fine-tuning（4bit NF4, double quant）

Math Hard（MATH Level≥3, HARDMath）
Math Mid（GSM8K, MetaMathQA）
Science（GPQA… See the full description on the dataset page: https://huggingface.co/datasets/weblab-llm-competition-2025-bridge/team-truthowl-mixed-reasoning-dataset.