Hugging Face's logo

Datasets:
OpenPathAI
/
MATH-thinking

Tasks:
Text Generation
Modalities:
Text
Formats:
parquet
Languages:
English
Size:
10K - 100K
Tags:
math
reasoning
grpo
reinforcement-learning
cleaned
text-generation
Libraries:
Datasets
pandas
Polars
License:
Dataset card Data Studio Files
xet
 Community
MATH-thinking
File size: 4,222 Bytes
6dbc007
 
b7fe8d2
 
 
 
 
 
 
 
 
 
 
 
 
 
6dbc007
b7fe8d2
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
---
license: apache-2.0
language:
- en
tags:
- math
- reasoning
- grpo
- reinforcement-learning
- cleaned
- text-generation
task_categories:
- text-generation
pretty_name: MATH Thinking (Cleaned)
size_categories:
- 10K-100K
---

# MATH Thinking (Cleaned)

Dataset matematika yang sudah dibersihkan untuk melatih kemampuan penalaran (reasoning) model bahasa melalui Reinforcement Learning.

## Deskripsi Dataset?

Dataset ini adalah versi **bersih** dari dataset asli **`open-r1/DAPO-Math-17k-Processed`**. Dataset aslinya berisi **~17.000 soal matematika** yang menantang, lengkap dengan **jawaban akhir (ground truth)** yang bisa diverifikasi otomatis.

Dataset ini dirancang khusus untuk **GRPO (Group Relative Policy Optimization)** — metode Reinforcement Learning yang melatih model untuk berpikir bertahap dalam menyelesaikan soal matematika.

## Sumber Dataset Asli

| Aspek | Detail |
|-------|--------|
| **Dataset Asli** | [`open-r1/DAPO-Math-17k-Processed`](https://huggingface.co/datasets/open-r1/DAPO-Math-17k-Processed) |
| **Pembuat Asli** | Open-R1 |
| **Lisensi Asli** | Apache 2.0 |
| **Bahasa** | Inggris |
| **Format** | Prompt + Ground Truth |

Dataset ini merupakan **turunan** dari dataset asli tersebut. Kami melakukan proses cleaning untuk meningkatkan kualitas data, tanpa mengubah konten aslinya.

## Fungsi Dataset Ini

Dataset ini dirancang untuk:

- **GRPO Training** — melatih model matematika dengan Reinforcement Learning
- **Reasoning Enhancement** — meningkatkan kemampuan berpikir bertahap
- **Math Problem Solving** — melatih model menyelesaikan soal matematika
- **Verifiable Rewards** — jawaban bisa diverifikasi otomatis (cocok untuk RL)

## Struktur Dataset

Dataset ini memiliki **2 kolom**:

| Kolom | Tipe | Deskripsi |
|-------|------|-----------|
| `prompt` | string | Soal matematika |
| `ground_truth` | string | Jawaban akhir yang benar |

### Contoh Data

```json
{
  "prompt": "Solve for x: 2x + 5 = 13",
  "ground_truth": "4"
}
```

Proses Cleaning

Dataset ini sudah dibersihkan melalui beberapa tahap:

1. Hapus duplikat — menghilangkan prompt yang sama
2. Filter panjang — buang data yang terlalu pendek atau terlalu panjang
3. Filter ground truth kosong — buang data tanpa jawaban valid
4. Filter konten toxic — buang data yang tidak pantas
5. Normalisasi whitespace — rapikan format teks
6. Filter prompt matematika — pastikan data benar-benar soal matematika

Cara Menggunakan

Load Dataset

```python
from datasets import load_dataset

dataset = load_dataset("OpenPathAI/MATH-thinking")
print(dataset["train"][0])
```

Untuk GRPO Training

```python
from datasets import load_dataset
from trl import GRPOTrainer, GRPOConfig

dataset = load_dataset("OpenPathAI/MATH-thinking", split="train")

# Format untuk GRPO
def format_dataset(row):
    return {
        "prompt": [{"role": "user", "content": row["prompt"]}],
        "answer": row["ground_truth"],
    }

dataset = dataset.map(format_dataset)

# Setup GRPO trainer
config = GRPOConfig(
    output_dir="./output",
    num_train_epochs=1,
    per_device_train_batch_size=1,
    num_generations=4,
    max_completion_length=512,
    temperature=0.9,
)

trainer = GRPOTrainer(
    model=model,
    args=config,
    train_dataset=dataset,
)
trainer.train()
```

### Statistik

Metrik Nilai
- Total samples ~13.000
- Bahasa Inggris
- Format Prompt + Ground Truth
- Lisensi Apache 2.0
- Use Case GRPO / RL Training

### Lisensi

Dataset ini dilisensikan di bawah Apache License 2.0, mengikuti lisensi dataset asli dari Open-R1.

### Sitasi

Jika kamu menggunakan dataset ini, mohon sitasi dataset asli dan dataset turunan ini:

```bibtex
@misc{dapo-math-17k,
  author = {Open-R1},
  title = {DAPO-Math-17k-Processed},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/datasets/open-r1/DAPO-Math-17k-Processed}}
}

@misc{math-thinking,
  author = {OpenPathAI},
  title = {MATH Thinking (Cleaned)},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/datasets/OpenPathAI/MATH-thinking}}
}
```

Kontak

- Organisasi: OpenPathAI
- Hugging Face: https://huggingface.co/OpenPathAI
- Website : https://openpath.web.id