开源项目open-thoughts使用教程

开源项目open-thoughts使用教程

open-thoughts Open Thoughts: Fully Open Data Curation for Thinking Models 项目地址: https://gitcode.com/gh_mirrors/op/open-thoughts

1. 项目介绍

open-thoughts是一个致力于推理模型数据集全开放的数据整合项目，由Bespoke Labs和DataComp社区联合领导。该项目的主要目标是整合推理数据集，以训练在数学和代码推理基准测试中超越DeepSeek-R1-Distill-Qwen-32B和DeepSeek-R1-Distill-Qwen-7B的小型推理模型。项目提供了完全开放的数据集、模型权重、数据生成代码、评估代码和训练代码。

2. 项目快速启动

环境准备

在开始之前，请确保您的环境中已安装以下依赖：

• Python 3.x
• Poetry（Python包管理工具）

克隆项目

首先，您需要克隆项目到本地：

git clone https://github.com/open-thoughts/open-thoughts.git
cd open-thoughts

安装依赖

接下来，使用poetry安装项目依赖：

make install
poetry shell

设置API密钥

您需要设置DeepSeek API密钥：

export DEEPSEEK_API_KEY=your_api_key

同时，设置您的组织ID和是否为私人仓库：

export HF_ORG=your_org_id
export HF_PRIVATE=false

数据生成

目前，项目支持以下领域的数据生成：代码、数学、科学和谜题。具体的数据生成方法请参考项目中的open_thoughts/README.md。

3. 应用案例和最佳实践

以下是一些应用open-thoughts项目的案例和最佳实践：

• 数据增强：使用open-thoughts生成的数据集来增强您的训练数据，提高模型的推理能力。
• 模型训练：基于open-thoughts提供的数据集和代码，您可以训练自己的推理模型。
• 性能评估：使用项目提供的评估工具来评估您的模型在数学和代码推理任务上的表现。

4. 典型生态项目

open-thoughts项目与其他开源项目协同工作，以下是一些典型的生态项目：

• Evalchemy：一个开源的评估工具，用于比较不同模型的推理性能。
• DeepSeek：一个推理模型，与open-thoughts数据集配合使用，可以用于基准测试。

通过以上教程，您可以开始使用open-thoughts项目，并为您的推理模型研究工作提供支持。

open-thoughts Open Thoughts: Fully Open Data Curation for Thinking Models 项目地址: https://gitcode.com/gh_mirrors/op/open-thoughts