GooseReason-0.7M 是由 NVIDIA 于 2026 年发布的一个大规模强化学习验证推理（RLVR）数据集，相关论文成果为「Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text」，旨在解决可验证训练数据稀缺的瓶颈，通过 Golden Goose 流水线从丰富的推理类互联网文本中合成无限量的 RLVR 任务。

该数据集包含超过 70 万个任务，涵盖数学、编程和通用科学领域，数据规模达到 0.7M 级别，主要用于训练 GooseReason-4B-Instruct 模型，该模型在 15 个涵盖数学、编程、STEM 推理、指令遵循和逻辑谜题的基准测试中取得了 4B 级别模型的新最先进结果。 此数据集仅用于研发目的。

数据集组成

• 数学领域（Math）：包含 235,836 个样本，来源为 AoPS-Instruct（Art of Problem Solving 论坛的约 60 万 QA 对，主要为奥林匹克级别数学问题）。
• 编程领域（Code）：包含 281,793 个样本，来源为 rStar-Coder（来自竞争性编程平台的约 41.8 万编程问题，使用 synthetic_sft 分割，仅包含问题及教师模型解决方案，无测试用例）。
• 科学领域（STEM）：包含 155,496 个样本，来源为 MegaScience（来自约 1.2 万本大学级别科学教科书的约 65 万 QA 对，涵盖物理、生物、化学、医学、计算机科学、数学和经济学）。

Citation

@article{lu2026goldengoose,
  title={Golden Goose: A Simple Trick to Synthesize Unlimited RLVR Tasks from Unverifiable Internet Text},
  author={Lu, Ximing and Acuna, David and Jung, Jaehun and Hu, Jian and Zhang, Di and Diao, Shizhe and Zou, Yunheng and Zhang, Shaokun and Cui, Brandon and Liu, Mingjie and Kim, Hyunwoo and Ammanabrolu, Prithviraj and Kautz, Jan and Dong, Yi and Choi, Yejin},
  journal={arXiv preprint arXiv:2601.22975},
  year={2026}
}