---
dataset_info:
- config_name: collection
  features:
  - name: title
    dtype: string
  - name: text
    dtype: string
  - name: passage_id
    dtype: int64
  splits:
  - name: train
    num_bytes: 3915958652
    num_examples: 2308679
  download_size: 2190188831
  dataset_size: 3915958652
- config_name: generated
  features:
  - name: passage_id
    dtype: int64
  - name: title
    dtype: string
  - name: text
    dtype: string
  - name: output
    dtype: string
  - name: model
    dtype: string
  splits:
  - name: train
    num_bytes: 4664331696.887888
    num_examples: 1697195
  download_size: 2334314297
  dataset_size: 4664331696.887888
configs:
- config_name: collection
  data_files:
  - split: train
    path: collection/train-*
- config_name: generated
  data_files:
  - split: train
    path: generated/train-*
license: cc-by-sa-4.0
language:
- ja
---

日本語Wikipediaから抽出したテキストに基づいて、[rinna/deepseek-r1-distill-qwen2.5-bakeneko-32b](https://huggingface.co/rinna/deepseek-r1-distill-qwen2.5-bakeneko-32b)と[https://huggingface.co/cyberagent/DeepSeek-R1-Distill-Qwen-32B-Japanese](https://huggingface.co/cyberagent/DeepSeek-R1-Distill-Qwen-32B-Japanese)を用いて箇条書きにしたデータセットです。
重複を許してランダムにサンプリングしながら生成をしたので、`collection` subsetにある事例が`generated` subsetに無い場合があります。
また、HF上のviewerでは改行や空白がうまく見えませんが、実際にはほとんどの箇条書きの要素が改行で区切られています。

生成に用いたモデルがApache 2.0で配布されていること、日本語Wikipediaのテキストを用いていることから、本データセットはCC-BY-SA 4.0での配布とします。