File size: 2,176 Bytes
699748e f890ba1 699748e f890ba1 699748e | 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 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 | ---
dataset_info:
features:
- name: id
dtype: string
- name: category
dtype: string
- name: source_basis
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
- name: conversations
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 60348
num_examples: 63
- name: validation
num_bytes: 6916
num_examples: 7
download_size: 20972
dataset_size: 67264
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---
# Grounded Behaviour Dataset — short facts
Dataset inicial para fine-tuning comportamental de modelos pequenos.
Objetivo: treinar o modelo a responder **apenas com base nos FACTOS fornecidos**, sem usar conhecimento externo.
Formato compatível com o notebook Unsloth/Gemma 3 usado com:
```python
def formatting_prompts_func(examples):
convos = examples["conversations"]
texts = [
tokenizer.apply_chat_template(
convo,
tokenize=False,
add_generation_prompt=False
).removeprefix("<bos>")
for convo in convos
]
return {"text": texts}
```
## Estrutura
Cada exemplo tem:
```json
{
"conversations": [
{"role": "system", "content": "..."},
{"role": "user", "content": "FACTOS:\n- ...\n\nPERGUNTA:\n..."},
{"role": "assistant", "content": "..."}
],
"metadata": {
"domain": "...",
"entity": "...",
"task_type": "...",
"short_facts": true,
"behavior_target": "grounded_answering"
}
}
```
## Distribuição
- total: 153
- train: 122
- validation: 15
- test: 16
## Tipos de comportamento
- resposta direta com base nos factos;
- resposta quando falta informação;
- correção de premissas falsas;
- resposta parcial;
- resumo;
- explicação simples;
- contexto irrelevante.
## Nota
Este dataset não pretende ensinar conhecimento factual permanente. Pretende treinar comportamento:
receber factos curtos, responder só com base nesses factos e recusar quando os factos não bastam.
|