lovecode2008的博客

核心方法论s1K数据集构建筛选标准：从59K初始数据集通过三阶段过滤（质量→难度→多样性）得到1,000个高价值数学/科学推理样本。关键验证：相比随机采样/仅长序列选择，三阶段过滤性能提升高达30%（AIME24任务）。示例来源：涵盖概率论PhD考题、量化面试难题（如PuzzledQuant）、奥赛题等多领域问题。预算强制（Budget Forcing）动态调整终止生成：若模型提前生成结束符，强制追加"Wait"触发重新思考（图3示例显示可修正错误）。