README.md

---
license: mit
task_categories:
- text-generation
language:
- en
- zh
tags:
- Taiwan
- R.O.C
- zh-tw
- reasoning
- legal
- instruct
size_categories:
- 10K<n<100K
pretty_name: Traditional Chinese Reasoning Instructions for Taiwan-Based NLP Tasks
---

# Dataset Card for tw-reasoning-instruct-50k 

![image/png](https://cdn-uploads.huggingface.co/production/uploads/618dc56cbc345ca7bf95f3cd/kL4fLBuXhnLfu-ApESCAA.png)

<!-- Provide a quick summary of the dataset. -->
**tw-reasoning-instruct-50k** 是一個精選的 繁體中文（台灣） 推理資料集，旨在提升語言模型於逐步邏輯思考、解釋生成與語言理解等任務中的表現。資料內容涵蓋日常思辨、教育對話、法律推理等多元主題，並結合「思考步驟」與「最終答案」的結構設計，引導模型以更清晰、條理分明的方式進行推論與回應，特別強調符合台灣本地語言與文化背景的應用需求。

## Dataset Details

### Dataset Description

<!-- Provide a longer summary of what this dataset is. -->
本資料集專為發展具備強大推理能力的繁體中文大型語言模型（Large Reasoning Models, LRM）所設計，內容深度結合台灣的語言與文化脈絡。每筆資料通常包含使用者的提問、模型的回應，以及清楚的推理過程。資料集設計目標為培養模型具備類人邏輯的逐步思考與解釋能力。

此資料集適用於訓練與評估以下任務：
- 台灣社會的日常推理
- 教育性對話
- 以解釋為導向的生成任務

所有內容均以繁體中文（zh-tw）撰寫或改寫，確保符合台灣社會常見用語與語境。

- **Curated by:** [Huang Liang Hsun](https://huggingface.co/lianghsun)
- **Funded by:** [APMIC](https://www.apmic.ai/)
- **Shared by:** [Huang Liang Hsun](https://huggingface.co/lianghsun)
- **Language(s) (NLP):** Tranditional Chinese and English
- **License:** MIT

### Dataset Sources

<!-- Provide the basic links for the dataset. -->
- **Repository:** [lianghsun/tw-reasoning-instruct-50k](https://huggingface.co/datasets/lianghsun/tw-reasoning-instruct-50k)

## Uses

<!-- Address questions around how the dataset is intended to be used. -->

### Direct Use

<!-- This section describes suitable use cases for the dataset. -->
本資料集主要用於訓練與評估繁體中文語言模型在下列任務中的表現：
- 具邏輯性的步驟式推理（step-by-step reasoning）
- 回答時附帶清楚說明的解釋生成任務（explanation generation）
- 教育類對話與知識傳遞
- 法律、學術或通識領域的理解與分析任務

特別適用於強化模型在繁體中文語境中之邏輯推論與表達能力。

### Out-of-Scope Use

<!-- This section addresses misuse, malicious use, and uses that the dataset will not work well for. -->
- 自動生成法律意見或做出實際法律建議
- 用於高風險決策系統，如醫療診斷、金融投資建議等
- 任何違反社會倫理之惡意用途，例如散佈錯誤資訊、操弄輿論或偽造對話內容
- 用於與繁體中文語境不相符的任務，如簡體中文、大陸用語習慣分析等，可能導致表現失準

## Dataset Structure

<!-- This section provides a description of the dataset fields, and additional information about the dataset structure such as criteria used to create the splits, relationships between data points, etc. -->
```json
{
  "input": # 使用者提出的問題
  "think": # 模型的推理思考過程（以 <think> 標記開頭）
  "output": # 模型對使用者問題的最終回應
  "conversations": [
    {"from": "human", "value": ""}, # 與 input 相同的問題
    {"from": "gpt", "value": ""} # 包含推理與回答的完整對話內容
  ],
  "seed": # 該問題的主題或原始問題意圖描述
}
```

## Dataset Creation

### Curation Rationale

<!-- Motivation for the creation of this dataset. -->
本資料集旨在補足目前繁體中文語境中缺乏高品質推理訓練資料的缺口。現有多數中文語料偏重於問答、閒聊或簡單指令回應，缺乏能培養模型「逐步思考」、「多層邏輯分析」與「具備理由的回答」能力的資料。本資料集專注於收集與製作涵蓋教育、法律、學術、哲學與社會議題的推理型資料，並強調以繁體中文表達人類邏輯思考過程。其目的如下：
-	建立符合臺灣語言文化的邏輯推理標準資料。
-	提供訓練模型產出更具解釋力、邏輯性與知識性的輸出樣本。
-	支援教育應用、法律科技與邏輯理解等 AI 任務的模型開發。

## Bias, Risks, and Limitations

<!-- This section is meant to convey both technical and sociotechnical limitations. -->
本資料集以繁體中文（臺灣）為核心，可能不適用於其他語境。推理內容來自模型生成，雖強調邏輯性，仍可能出現錯誤或偏誤，使用時需謹慎驗證。不建議直接應用於法律、醫療、金融等高風險場域。教育應用中亦應搭配人類審閱，避免過度依賴模型輸出。

### Recommendations

<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
使用者應充分了解本資料集在語言範疇、邏輯推理與知識正確性方面的潛在偏誤與限制。建議僅將其用於研究或模型訓練階段，避免直接應用於高風險情境，如法律或醫療決策。所有輸出內容應搭配人類審查與驗證，以確保其可靠性與適切性。

## Citation

<!-- If there is a paper or blog post introducing the dataset, the APA and Bibtex information for that should go in this section. -->
如果您使用本資料集，請引用：

```yaml
@misc{huang2025twreasoninginstruct,
  author       = {Twinkle AI, Huang, Liang Hsun},
  title        = {tw-reasoning-instruct: Traditional Chinese Reasoning Instructions for Taiwan-Based NLP Tasks},
  year         = {2025},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/datasets/lianghsun/tw-reasoning-instruct}},
  note         = {A curated reasoning dataset in Traditional Chinese (Taiwan), designed for instruction-tuned LLM development.}
}
```

## Dataset Card Authors

[Twinkle AI](https://huggingface.co/twinkle-ai)

## Dataset Card Contact

[Twinkle AI](https://huggingface.co/twinkle-ai)