CHIMERA 是一个专为推理训练设计的合成推理数据集，相关论文成果为 CHIMERA: Compact Synthetic Data for Generalizable LLM Reasoning 。该数据集涵盖广泛的 STEM 学科，并提供长链思维（CoT）轨迹。 该数据集包含 9,225 个问题，8 个学科（数学、计算机科学、化学、物理、文学、历史、生物学、语音学），所有示例均由大型语言模型（LLM）生成，并通过自动验证，无需人工标注。 学科分布:

• 数学：4,452
• 计算机科学：1,303
• 化学：1,102
• 物理：742
• 文学：504
• 历史：422
• 生物学：383
• 语言学：317

Citation

@article{chimera2026, title = {CHIMERA: Compact Synthetic Data for Generalizable LLM Reasoning}, author = {Xinyu Zhu and Yihao Feng and Yanchao Sun and Xianzhi Du and Pingzhi Li and Olli Saarikivi and Yun Zhu and Yu Meng}, journal = {arXiv preprint arXiv:2603.00889}, year = {2026} }