NLP大模型默认prompt

Pangu-NLP-N1-32K-3.2.36

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": ["你是一个翻译高手。"]，"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个翻译高手。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

Pangu-NLP-N1-Reasoner-128K-3.0.1.1

[unused9]系统：[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "<think>好，我现在要将输入翻译成中文</think>我每天喜欢学习新事物。"} 

数据处理后：

[unused9]系统：[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：<think>好，我现在要将输入翻译成中文</think>\n\n我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": "你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。你的解答中包含推理思考与最终响应两部分，请先在<think>...</think>标签中进行推理思考，再给出最终响应。", "context": "在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。", "target": "<think>好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n</think>老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**"}

数据处理后：

[unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。你的解答中包含推理思考与最终响应两部分，请先在<think>...</think>标签中进行推理思考，再给出最终响应。[unused10][unused9]用户：在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。 [unused10][unused9]助手：<think>好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n</think>\n\n老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：<think>嗯，我需要计算2453 + 4567的值</think>\n\n两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：<think>嗯，我需要思考1+1等于多少，应该为2</think>\n\n 2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：<think>嗯，我需要计算2453 + 4567的值</think>\n\n两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：<think>嗯，我需要思考1+1等于多少，应该为2</think>\n\n 2[unused10]

Pangu-NLP-N2-Reasoner-32K-3.0.1.1

[unused9]系统：[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "<think>好，我现在要将输入翻译成中文</think>我每天喜欢学习新事物。"} 

数据处理后：

[unused9]系统：[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：<think>好，我现在要将输入翻译成中文</think>\n\n我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": "你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。你的解答中包含推理思考与最终响应两部分，请先在<think>...</think>标签中进行推理思考，再给出最终响应。", "context": "在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。", "target": "<think>好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n</think>老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**"}

数据处理后：

[unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。你的解答中包含推理思考与最终响应两部分，请先在<think>...</think>标签中进行推理思考，再给出最终响应。[unused10][unused9]用户：在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。 [unused10][unused9]助手：<think>好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n</think>\n\n老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：<think>嗯，我需要计算2453 + 4567的值</think>\n\n两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：<think>嗯，我需要思考1+1等于多少，应该为2</think>\n\n 2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：<think>嗯，我需要计算2453 + 4567的值</think>\n\n两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：<think>嗯，我需要思考1+1等于多少，应该为2</think>\n\n 2[unused10]

Pangu-NLP-N2-Reasoner-128K-5.0.0.1

[unused9]系统：[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "<think>好，我现在要将输入翻译成中文</think>我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：[unused16]好，我现在要将输入翻译成中文[unused17]我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": "你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。", "context": "在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。", "target": "<think>好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n</think>老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**"}

数据处理后：

[unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。 [unused10][unused9]助手：[unused16]好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n[unused17]老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：[unused16]嗯，我需要计算2453 + 4567的值[unused17]两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：[unused16]嗯，我需要思考1+1等于多少，应该为2[unused17] 2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：[unused16]嗯，我需要计算2453 + 4567的值[unused17]两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：[unused16]嗯，我需要思考1+1等于多少，应该为2[unused17] 2[unused10]

Pangu-NLP-N2-32K-3.1.35

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": ["你是一个翻译高手。"]，"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个翻译高手。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

Pangu-NLP-N2-32K-5.0.1.1

[unused9]系统：[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": ["你是一个翻译高手。"]，"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：你是一个翻译高手。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

Pangu-NLP-N4-4K-3.2.36

[unused9]系统：[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"} 

数据处理后：

[unused9]系统：[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": ["你是一个翻译高手。"]，"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"} 

数据处理后：

[unused9]系统：你是一个翻译高手。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

Pangu-NLP-N4-32K-2.5.35

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": ["你是一个翻译高手。"]，"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个翻译高手。[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：我每天喜欢学习新事物。[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "两数相加的结果为:6920。",  "1 + 1。"],  "target": "2"}

数据处理后：

[unused9]系统：你生成综合质量（有用性，事实性，无害性）极好的回复。[unused10][unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：2[unused10]

Pangu-NLP-N4-Reasoner-32K-3.0.1.2

[unused9]系统：[unused10][unused9]用户：

输入示例1-单轮对话：

{"context": ["给定一个英文句子，翻译成中文。\nI love to learn new things every day."],  "target": "<think>好，我现在要将输入翻译成中文</think>我每天喜欢学习新事物。"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给定一个英文句子，翻译成中文。\nI love to learn new things every day. [unused10][unused9]助手：[unused16]好，我现在要将输入翻译成中文[unused17]我每天喜欢学习新事物。[unused10]

输入示例2-单轮对话 + system prompt：

{"system": "你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。", "context": "在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。", "target": "<think>好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n</think>老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**"}

数据处理后：

[unused9]系统：你是一个擅长于文章写作、文本分析、代码编写、数学运算、逻辑推理的AI助手，专注于针对用户的问题给出高质量解答。[unused10][unused9]用户：在一次定向越野活动中，老郎的移动轨迹如下：他首先向西走85米，随后改变方向向东走102米，接着再次转向西走73米，最后向东走169米。根据这一系列的移动，请分析老郎最终与起点的相对位置关系。 [unused10][unused9]助手：[unused16]好，我现在要解决这个问题。老郎在定向越野活动中移动了四次，每次都是向西或向东走不同的距离。我需要计算他最终相对于起点的位置。\n\n首先，我应该明确方向。通常，东和西是相反的方向，所以可以将向东走定为正方向，向西走则为负方向。这样，每次移动的距离就可以转换成正数或负数，然后相加得到总位移。\n\n老郎第一次向西走了85米，所以这是-85米。第二次他向东走了102米，也就是+102米。第三次又向西走了73米，记作-73米。第四次向东走了169米，即+169米。\n\n接下来，我把这些数值加起来：-85 + 102 -73 +169。先算前两个数，-85加102等于17米。然后加上-73，17减73等于-56米。最后加上169，-56加169等于113米。\n\n所以，总位移是113米，正数表示向东。因此，老郎最终位于起点以东113米的位置。\n[unused17]老郎最终的位置在起点以东113米处。以下是详细步骤：\n\n1. 将方向转换为数值：向东为正，向西为负。\n2. 计算每次移动的数值：\n   - 向西85米 → -85米\n   - 向东102米 → +102米\n   - 向西73米 → -73米\n   - 向东169米 → +169米\n3. 累加所有数值：-85 + 102 = 17；17 - 73 = -56；-56 + 169 = 113米。\n4. 结果为正，说明老郎在起点东侧113米处。\n\n**答案：老郎最终位于起点以东113米的位置。**[unused10]

输入示例3-多轮对话：

{"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：[unused16]嗯，我需要计算2453 + 4567的值[unused17]两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：[unused16]嗯，我需要思考1+1等于多少，应该为2[unused17] 2[unused10]

输入示例4-多轮对话 + system prompt：

{"system": ["你是一个算术高手。"]，"context": ["给出一个数学运算，计算它的结果。\n2453 + 4567。", "<think>嗯，我需要计算2453 + 4567的值</think>两数相加的结果为:6920。",  "1 + 1。"],  "target":<think>嗯，我需要思考1+1等于多少，应该为2</think> "2"}

数据处理后：

[unused9]系统：你是一个算术高手。[unused10][unused9]用户：给出一个数学运算，计算它的结果。\n2453 + 4567。[unused10][unused9]助手：[unused16]嗯，我需要计算2453 + 4567的值[unused17]两数相加的结果为:6920。[unused10][unused9]用户：1 + 1。[unused10][unused9]助手：[unused16]嗯，我需要思考1+1等于多少，应该为2[unused17] 2[unused10]