| --- |
| license: apache-2.0 |
| language: |
| - ko |
| - en |
| task_categories: |
| - text-generation |
| - text-classification |
| tags: |
| - lora |
| - sft |
| - routing |
| - affect |
| - empathy |
| - korean |
| size_categories: |
| - 10K<n<100K |
| pretty_name: algocean-affect-router |
| --- |
| |
| # algocean-affect-router |
|
|
| 사용자 발화를 받아 **지금 공감이 필요한지, 해결·정보가 필요한지** 판정하도록 가르치는 LoRA SFT 데이터셋입니다. |
|
|
| 사용자의 성격이 아니라 **이 프롬프트가 지금 요구하는 응답 방식**을 가르칩니다. |
|
|
| ## 규모 |
|
|
| | 파일 | 행 수 | |
| |------|------:| |
| | `affect_router.jsonl` | 41,042 | |
| | `affect_router.eval.jsonl` | 2,000 | |
|
|
| - 형식: JSONL, `messages` 3턴 |
| - 언어: 한국어 약 70% · 영어 약 30% |
| - 최소쌍(`pair_id`) 포함 — train/eval 분할 시 **쌍 단위**로 나눌 것 |
|
|
| ## 어디에 쓰나요 |
|
|
| - 챗봇 응답 전 **공감(F) vs 해결(T)** 라우팅 |
| - 같은 주제라도 어투에 따라 답이 달라져야 하는 경우 |
| - 경량 모델로 톤 분기만 맡길 때 |
|
|
| ## 어떤 모델에 LoRA 하나요 |
|
|
| 출력이 짧고 클래스가 적어 **가장 가벼운 노드**입니다. |
|
|
| - 베이스: **1B ~ 3B** 인스트럭트 모델 권장 |
| - rank 8, alpha 16, lr 2e-4, epochs 3 |
| - loss: assistant 턴만 |
|
|
| ## 사용 |
|
|
| ```python |
| from datasets import load_dataset |
| |
| ds = load_dataset("Algocean/algocean-affect-router", data_files="affect_router.jsonl", split="train") |
| ev = load_dataset("Algocean/algocean-affect-router", data_files="affect_router.eval.jsonl", split="train") |
| ``` |
|
|
| - 학습: `messages` 만 |
| - `pair_id` 등 메타는 분할·분석용 — 학습에 넣지 마세요 |
|
|
| ### assistant 출력 (요약) |
|
|
| ```json |
| { |
| "route": 1, |
| "f_score": 0.82, |
| "reason": "..." |
| } |
| ``` |
|
|
| | 필드 | 뜻 | |
| |------|-----| |
| | `route` | 1 = 공감 우선 · 0 = 해결 우선 | |
| | `f_score` | 0~1, 클수록 공감 쪽 (`route`는 0.5 기준) | |
| | `reason` | 한 줄 근거 | |
|
|
| 호출부는 `route`만 써도 됩니다. |
|
|
|
|
| 식별자·문서 id는 중립 코드(`mNN`, `doc-NNNN`, `Brand-*` 등)로 정규화되어 있다. 학습에는 `messages`만 쓴다. |
|
|
| ## 라이선스 |
|
|
| Apache-2.0 |
|
|
