OpenCodeReasoning 是由 NVIDIA 于 2025 年发布的大规模编程推理合成数据集，旨在为大语言模型（LLMs）提供高质量的编程推理训练数据，推动代码生成与逻辑推理能力的提升。相关论文成果为：「OpenCodeReasoning: Advancing Data Distillation for Competitive Coding」。 该数据集包含了 735,255 个样本，覆盖 28,319 道独特的编程题目，是当前最大的推理型编程数据集之一。

数据来源：

• 整合了 CodeForces 、 CodeChef 、 LeetCode 等 11 个主流编程平台的题目，包括 TACO 、 APPS 、 CodeContests 等公开数据集。
• 代码响应由 NVIDIA 自研模型 R1 生成，以确保数据的一致性与推理逻辑的规范性。

Citation

@article{ahmad2025opencodereasoning,
title={OpenCodeReasoning: Advancing Data Distillation for Competitive Coding},
author={Wasi Uddin Ahmad, Sean Narenthiran, Somshubra Majumdar, Aleksander Ficek, Siddhartha Jain, Jocelyn Huang, Vahid Noroozi, Boris Ginsburg},
year={2025},
eprint={2504.01943},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2504.01943},
}