여러분 안녕하세요, 터키어 추론 (reasoning) 모델을 연구하면서 가장 큰 결핍 중 하나가 사고 과정(thinking process) 또한 터키어로 이루어지는 고품질의 Chain-of-Thought (CoT) 데이터의 부재라는 점이 제 연구를 매우 어렵게 만들었습니다. 현재 존재하는 CoT 데이터셋은 거의 모두 영어이며, 번역을 거칠 경우 문화적 맥락과 추론의 자연스러움이 모두 상실됩니다. 이를 해결하기 위해 저는 Turkish-CoT-Instruct-Dataset을 준비했습니다. 이 데이터셋은 4,868개의 샘플로 구성되어 있으며, 모델이 사고 과정을 터키어로 단계별로 생성하는 상세한 답변들을 포함하고 있습니다.

저는 이 데이터셋을 5차원의 상세한 분류 체계 (taxonomy) 위에 구축했습니다:

• 14개 분야 (수학, 논리, 윤리, 인과관계, 언어, 금융, 프로그래밍 등)
• 13가지 추론 유형 (연역, 가추, 반사실적, 확률적 등)
• 4단계의 난이도 및 8가지 질문 형식

질문들은 우리의 현지 통화, 인명, 도시명을 기반으로 터키의 문화적 맥락을 반영하고 있습니다. 시나리오 또한 시장, 명절, 거리, 학교와 같이 우리 문화에 적합한 일상생활의 내용을 담고 있습니다. 분야 간 분포가 균형 있게 설계되어 모든 질문에서 중복 없이 개별화되었습니다. 저의 목표는 분류 체계가 투명하고 분포가 균형 잡혀 있으며, 쉽게 확장할 수 있는 터키어 추론 (reasoning)의 토대를 구축하는 것이었습니다. 도움이 되기를 바랍니다. ❤️
[IMG:1]