| --- |
| 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 |
