Reasoning Core：面向完成监督推理训练的广谱程序化数据设计

程序生成器能够大规模地产生有用且可验证的推理问题，但作为完成监督微调数据所受到的关注相对较少。我们推出了 Reasoning Core，这是一个包含 50 个生成器的集合，涵盖数学、逻辑、规划、状态跟踪、形式语言、结构化数据、游戏、因果关系和代码，并配备语义评分器、难度控制机制和任务评估器。在匹配的完成监督协议下，我们在四种基础模型设置和多种训练时长中，将 Reasoning Core 与 Procedural Warmup、Reasoning Gym 和 SynLogic 进行了比较。在主要的 3B 模型对比中，Reasoning Core 在 DROP、LogiQA 和 ARC-Challenge 上取得了最高的平均分，超过了不使用程序生成数据的基线，以及其他三个程序生成数据集。任务级分析表明，仅有语义有效性并不能确保训练效用，凸显了紧凑目标和经过校准的难度等设计因素的重要性。我们开展了结合模型辅助审查、人工裁定和回归测试的审计。审计贯穿 Reasoning Core 的开发过程，并应用于其他数据集，揭示了生成、渲染、目标和评分之间存在的细微不匹配，也提醒我们，单靠程序生成并不能保证正确性。该库、生成的数据集及审计材料均已公开。