基于策略引导的数学应用题推理轨迹数据集SGRT-Math

以GSM8K训练集为种子数据来源，在保留原题数学逻辑内核不变的前提下，对题目进行现代场景改写，利用Planner-Reasoner双角色交互框架生成可直接用于策略学习和过程监督的推理轨迹。SGRT-Math以JSONL格式发布，包含20,324条样本，74.82MB。每条样本包含question、ground_truth、interaction_trace和final_answer 4个一级字段；推理角色Planner与Reasoner的推理策略交互为4至12轮次，平均7.24轮。SGRT-Math以OpenAI公开发布的GSM8K训练集为种子来源，仅使用其训练集，未使用官方测试集。数据构建过程中对训练样本进行了规范性筛选、现代场景改写和Planner-Reasoner交互式推理轨迹重构。部分样本保留GSM8K原始题干及标准答案，但未直接沿用原始线性推理文本；其余样本在保持数学关系、条件依赖和标准答案一致的基础上进行了现代场景改写。GSM8K采用MIT许可证。SGRT-Math在发布过程中保留GSM8K的原始数据来源、版权声明和许可文本；来源于GSM8K的内容继续遵循MIT许可证，本数据集新增的场景改写内容、推理轨迹及数据组织形式遵循本页面声明的数据共享许可。