强化学习常用数据集

在LLM场景下进行强化学习训练的时候，时常会涉及到各种各样的数据集，容易记不住，因此开个帖子记录一下。可采取的分类方法有很多，这里直接按照领域和标签的类型两个层次进行划分。

数学推理数据集

数值标签

GSM8K（2021 OpenAI)

由Openai在2021年提出的，包括约8500个小学数学问题（小学数学词汇水平）。
下载地址：https://huggingface.co/datasets/openai/gsm8k
论文地址：https://arxiv.org/pdf/2110.14168
下面是论文中给出的三个例子，其中红色用<<>>扩起来的是对具体计算过程的注释。
最终的final answer是对于问题最终答案结果的注释。

但是，在观察实际数据的时候如下：

其中对于计算过程的注释没问题，用：<<>>
对于最终答案的注释，在实际的数据集中：用`#### `后的内容表示

样本的数量和划分如下：
训练样本：7.47K(7473)
测试样本：1.32K(1319)

参考 qwen中对 GSM8K的答案提取方案：
https://github.com/QwenLM/Qwen/blob/main/eval/evaluate_gsm8k.py

问答数据集