Datasets:
image imagewidth (px) 1.52k 1.86k | episode_id stringlengths 37 37 | task_id stringclasses 1
value | program stringclasses 1
value | output_json stringlengths 855 1.88k | prompt stringlengths 8.06k 9.96k | completion stringlengths 2.29k 3.31k | verification stringclasses 1
value | episode_json stringlengths 34.5k 42.6k | image_usage stringclasses 1
value |
|---|---|---|---|---|---|---|---|---|---|
arcgen-5c2c9af4-train-base-00000-d4-0 | 5c2c9af4 | import numpy as np
from collections import Counter, deque
from itertools import pairwise, permutations
def _check_grid(value):
a = np.asarray(value)
if a.ndim != 2 or any((n < 1 or n > 30 for n in a.shape)) or (not np.issubdtype(a.dtype, np.integer)) or np.any(a < 0) or np.any(a > 9):
raise ValueError(... | {"outputs":[[[6,6,6,6,6,6,6,6,6,6,6,6,6,4,4,4,6,4,4,4,6,4,4,4,6],[4,4,4,4,4,4,4,4,4,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6],[4,4,4,4,4,4,4,4,4,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6],[4,4,4,4,4,4,4,4,4,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6],[6,6,6,6,6,6,6,6,6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6],[6,4,4,4,4,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,... | Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(demonstrations, grid), then the output grids for every test input. Use a python code block followed by a json code block with key outputs. Include required helpers; Python standard-library modules and NumPy are allowed.
{"t... | ```python
import numpy as np
from collections import Counter, deque
from itertools import pairwise, permutations
def _check_grid(value):
a = np.asarray(value)
if a.ndim != 2 or any((n < 1 or n > 30 for n in a.shape)) or (not np.issubdtype(a.dtype, np.integer)) or np.any(a < 0) or np.any(a > 9):
raise V... | All demonstration and query grids exact | {"episode_id":"arcgen-5c2c9af4-train-base-00000-d4-0","base_episode_id":"arcgen-5c2c9af4-train-base-00000","task_id":"5c2c9af4","split":"train","variant":"augmented","train":[{"input":[[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,... | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00000-d4-1 | 5c2c9af4 | import numpy as np
from collections import Counter, deque
from itertools import pairwise, permutations
def _check_grid(value):
a = np.asarray(value)
if a.ndim != 2 or any((n < 1 or n > 30 for n in a.shape)) or (not np.issubdtype(a.dtype, np.integer)) or np.any(a < 0) or np.any(a > 9):
raise ValueError(... | {"outputs":[[[6,4,4,4,6,4,4,4,6,4,4,4,6,6,6,6,6,6,6,6,6,4,4,4,6],[6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,4,4,4,4,6,4,4,4,6],[6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,4,4,4,4,6,4,4,4,6],[6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,4,4,4,4,6,4,4,4,6],[6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,6],[6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4,4,4,4,4,6,4,4,... | Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(demonstrations, grid), then the output grids for every test input. Use a python code block followed by a json code block with key outputs. Include required helpers; Python standard-library modules and NumPy are allowed.
{"t... | ```python
import numpy as np
from collections import Counter, deque
from itertools import pairwise, permutations
def _check_grid(value):
a = np.asarray(value)
if a.ndim != 2 or any((n < 1 or n > 30 for n in a.shape)) or (not np.issubdtype(a.dtype, np.integer)) or np.any(a < 0) or np.any(a > 9):
raise V... | All demonstration and query grids exact | {"episode_id":"arcgen-5c2c9af4-train-base-00000-d4-1","base_episode_id":"arcgen-5c2c9af4-train-base-00000","task_id":"5c2c9af4","split":"train","variant":"augmented","train":[{"input":[[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[4,4,4,4,4,4,6,4,4,4,4,4,4,4,4,4,4,... | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00000-d4-2 | 5c2c9af4 | import numpy as np
from collections import Counter, deque
from itertools import pairwise, permutations
def _check_grid(value):
a = np.asarray(value)
if a.ndim != 2 or any((n < 1 or n > 30 for n in a.shape)) or (not np.issubdtype(a.dtype, np.integer)) or np.any(a < 0) or np.any(a > 9):
raise ValueError(... | {"outputs":[[[6,4,4,4,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6],[6,4,4,4,6,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[6,4,4,4,6,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[6,4,4,4,6,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[6,4,4,4,6,4,4,4,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6],[6,4,4,4,6,4,4,4,6,4,4,4,4,4,4,4,4,4,4,4,4,4,4,... | Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(demonstrations, grid), then the output grids for every test input. Use a python code block followed by a json code block with key outputs. Include required helpers; Python standard-library modules and NumPy are allowed.
{"t... | ```python
import numpy as np
from collections import Counter, deque
from itertools import pairwise, permutations
def _check_grid(value):
a = np.asarray(value)
if a.ndim != 2 or any((n < 1 or n > 30 for n in a.shape)) or (not np.issubdtype(a.dtype, np.integer)) or np.any(a < 0) or np.any(a > 9):
raise V... | All demonstration and query grids exact | {"episode_id":"arcgen-5c2c9af4-train-base-00000-d4-2","base_episode_id":"arcgen-5c2c9af4-train-base-00000","task_id":"5c2c9af4","split":"train","variant":"augmented","train":[{"input":[[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,... | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00000-d4-3 | 5c2c9af4 | "import numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwise, permuta(...TRUNCATED) | "{\"outputs\":[[[6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4(...TRUNCATED) | "Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(de(...TRUNCATED) | "```python\nimport numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwi(...TRUNCATED) | All demonstration and query grids exact | "{\"episode_id\":\"arcgen-5c2c9af4-train-base-00000-d4-3\",\"base_episode_id\":\"arcgen-5c2c9af4-tra(...TRUNCATED) | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00000-d4-4 | 5c2c9af4 | "import numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwise, permuta(...TRUNCATED) | "{\"outputs\":[[[6,4,4,4,6,4,4,4,6,4,4,4,6,6,6,6,6,6,6,6,6,6,6,6,6],[6,4,4,4,6,4,4,4,6,4,4,4,6,4,4,4(...TRUNCATED) | "Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(de(...TRUNCATED) | "```python\nimport numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwi(...TRUNCATED) | All demonstration and query grids exact | "{\"episode_id\":\"arcgen-5c2c9af4-train-base-00000-d4-4\",\"base_episode_id\":\"arcgen-5c2c9af4-tra(...TRUNCATED) | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00000-d4-5 | 5c2c9af4 | "import numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwise, permuta(...TRUNCATED) | "{\"outputs\":[[[6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4(...TRUNCATED) | "Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(de(...TRUNCATED) | "```python\nimport numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwi(...TRUNCATED) | All demonstration and query grids exact | "{\"episode_id\":\"arcgen-5c2c9af4-train-base-00000-d4-5\",\"base_episode_id\":\"arcgen-5c2c9af4-tra(...TRUNCATED) | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00000-d4-6 | 5c2c9af4 | "import numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwise, permuta(...TRUNCATED) | "{\"outputs\":[[[6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,4,4,4,6],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4(...TRUNCATED) | "Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(de(...TRUNCATED) | "```python\nimport numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwi(...TRUNCATED) | All demonstration and query grids exact | "{\"episode_id\":\"arcgen-5c2c9af4-train-base-00000-d4-6\",\"base_episode_id\":\"arcgen-5c2c9af4-tra(...TRUNCATED) | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00000-d4-7 | 5c2c9af4 | "import numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwise, permuta(...TRUNCATED) | "{\"outputs\":[[[6,4,4,4,6,6,6,6,6,6,6,6,6,4,4,4,6,4,4,4,6,4,4,4,6],[6,4,4,4,6,4,4,4,4,4,4,4,6,4,4,4(...TRUNCATED) | "Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(de(...TRUNCATED) | "```python\nimport numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwi(...TRUNCATED) | All demonstration and query grids exact | "{\"episode_id\":\"arcgen-5c2c9af4-train-base-00000-d4-7\",\"base_episode_id\":\"arcgen-5c2c9af4-tra(...TRUNCATED) | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00001-d4-0 | 5c2c9af4 | "import numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwise, permuta(...TRUNCATED) | "{\"outputs\":[[[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4(...TRUNCATED) | "Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(de(...TRUNCATED) | "```python\nimport numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwi(...TRUNCATED) | All demonstration and query grids exact | "{\"episode_id\":\"arcgen-5c2c9af4-train-base-00001-d4-0\",\"base_episode_id\":\"arcgen-5c2c9af4-tra(...TRUNCATED) | Human audit only: includes query answers; train on prompt to completion. | |
arcgen-5c2c9af4-train-base-00001-d4-1 | 5c2c9af4 | "import numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwise, permuta(...TRUNCATED) | "{\"outputs\":[[[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,4,1,4,1,4,1,4,1,4,1],[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4(...TRUNCATED) | "Infer the shared rule from the demonstrations. Return a standalone Python program defining solve(de(...TRUNCATED) | "```python\nimport numpy as np\nfrom collections import Counter, deque\nfrom itertools import pairwi(...TRUNCATED) | All demonstration and query grids exact | "{\"episode_id\":\"arcgen-5c2c9af4-train-base-00001-d4-1\",\"base_episode_id\":\"arcgen-5c2c9af4-tra(...TRUNCATED) | Human audit only: includes query answers; train on prompt to completion. |
End of preview. Expand in Data Studio
ARC program-and-grid viewer preflight
40 existing verified episode records; a file-format test, not the expanded training corpus. The main dataset remains unchanged.
Each row shows the original full-resolution PNG, readable Python program, output-grid JSON, prompt, and combined program-plus-grid completion. Both targets belong to the same episode. The image includes expected query answers for human auditing; train only on prompt → completion.
Source and display index
The authoritative PNG/JSON source is preserved in the source archive. It contains an unchanged TAR with one PNG and combined record per episode. A compressed Arrow index embeds exactly those same PNG bytes and metadata for Hugging Face's table. No Parquet files are uploaded; Hugging Face may create its own display cache.
The local index check decoded all 40 images and compared every complete indexed row against the source. Hosted verification is pending.
The earlier ZIP-envelope loader experiment remains archived. Although it passed local streaming conversion, remote repository loading rejects chained archive paths; it is excluded from the viewer. The active viewer uses only viewer/train/*.arrow.
- Downloads last month
- 18