File size: 1,916 Bytes
d2cedd3 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 | ---
license: apache-2.0
language:
- ko
- en
task_categories:
- text-generation
- question-answering
tags:
- lora
- sft
- rag
- grounded-generation
- abstention
- korean
size_categories:
- 100K<n<1M
pretty_name: algocean-executor
---
# algocean-executor
질의와 근거를 받아 **답을 쓰거나, 근거가 부족하면 기권**하도록 가르치는 LoRA SFT 데이터셋입니다.
파이프라인에서 **최종 답변을 쓰는 노드**입니다.
## 규모
| 파일 | 행 수 |
|------|------:|
| `executor.jsonl` | 150,000 |
| `executor.eval.jsonl` | 2,000 |
- 형식: JSONL, `messages` 3턴
- 언어: 한국어 약 70% · 영어 약 30%
## 어디에 쓰나요
- 주어진 근거만으로 답하는 grounded generation
- 근거 없음 / 충돌 / 개인 메모뿐일 때 **기권·조건부 답변**
- 사내 QA에서 “근거 없이 단정하지 않기”
## 어떤 모델에 LoRA 하나요
- 베이스: **1B ~ 9B** 인스트럭트 모델
- rank 8~16, alpha 16~32, lr 1e-4~2e-4, epochs 2~3
- loss: assistant 턴만
- 장문 tier는 컨텍스트에 맞게 필터
## 사용
```python
from datasets import load_dataset
ds = load_dataset("Algocean/algocean-executor", data_files="executor.jsonl", split="train")
ev = load_dataset("Algocean/algocean-executor", data_files="executor.eval.jsonl", split="train")
```
- 학습: `messages` 만
- 메타는 필터용
### assistant 출력 (요약)
```json
{
"answer": "...",
"evidence_refs": [{"document_id": "...", "span": "..."}],
"abstain": false,
"conditional": false,
"reason_code": "SUPPORTED"
}
```
`reason_code`: `SUPPORTED` / `NO_EVIDENCE` / `PERSONAL_ONLY` / `CONFLICTING`
`conditional=true`이면 답은 쓰되 성립 조건을 밝힙니다.
식별자·문서 id는 중립 코드(`mNN`, `doc-NNNN`, `Brand-*` 등)로 정규화되어 있다. 학습에는 `messages`만 쓴다.
## 라이선스
Apache-2.0
|