voidful/barbet-sft

Barbet SFT

以臺灣繁體中文為中心的 1,000,000 筆結構化決策 SFT。 train 980,000、validation 10,000、test 10,000。

from datasets import load_dataset

dataset = load_dataset("voidful/barbet-sft", split="train", streaming=True)
messages = next(iter(dataset))["messages"]

messages 可直接用作 system / user / assistant 訓練資料。 預設只讀固定 schema Parquet；canonical 和品質 JSON 不參與資料欄位推斷。 每筆 request 明示輸出格式，JSON、FUNCTION_CALL、COMPACT_TAGS、KEY_VALUE 共用相同 canonical 目標，沒有額外自由形式思考過程。

品質與臺灣用語

全部 1,000,000 筆均通過新版機械規則檢查、落盤重讀、 Parquet 往返與 datasets 原生串流全量讀取。 檢查包含臺灣術語、已知不自然句型、來源證據、編輯操作、排序、格式及分割。 忠實複製與刻意錯誤候選的例外均留有紀錄，不會無條件將原文改成另一種用語。

證據：臺灣用語報告、 逐筆 SFT 匯出驗證、 發布驗證。 逐筆 canonical 品質紀錄位於 quality/verdicts/。

操作原語

COPY 100K、EDIT 130K、CLASSIFY 50K、EXTRACT 160K、LOCATE 130K、ALIGN 60K、 MATCH 40K、RANK 120K、VERIFY 140K、ROUTE 70K。來源群組不跨分割。

Canonical 與程式碼

canonical/ 保留完整 IR；不建議直接對異構 canonical JSON 使用 Arrow 自動型別推斷。 程式碼已展開於 code/src/barbet_bgd， barbet_bgd.io 就在 code/src/barbet_bgd/io.py。 安裝 code/，或先設定 PYTHONPATH=code/src，再執行：

from barbet_bgd.io import iter_jsonl_gz
from barbet_bgd.serializers_v3 import build_messages_v3

record = next(iter_jsonl_gz("canonical/part-00000.jsonl.gz"))
messages = build_messages_v3(record)

來源快照、安裝資訊及測試均隨資料提供。舊 v2 source 與報告保留於版本歷史； 新版重新生成及驗證，沒有沿用舊版 KEEP 當作新版品質標籤。

限制

本版 100% 確定性合成，人工逐筆審核 0 筆，真實音訊／影像 0 筆。 機械規則無法保證涵蓋所有臺灣用語與自然度問題；不宣稱人工 gold 或部署品質。 Confidence 為合成先驗，不是實測校準標籤。長度為輸入 Unicode 字元，非 tokenizer tokens。 50K 長帳本仍有模板及可見狀態限制；不能據此宣稱完整 256K 推理或真實跨模態遷移能力。 BASE_CAPABILITY_REPLAY 是歷史 mixture 名稱，不代表使用了原始基模 replay 語料。 此資料適合作為可機械驗證的訓練與流程測試資料，不是原始設計要求的人工 Anchor-50K 加真實模型錯誤混合資料；真實分布多樣性、人工評估與部署驗證仍需另補。

資料已依擁有者指示公開存取；公開存取不自動增加其他著作權授權， 詳見 資料存取聲明。程式碼沿用 Apache-2.0。