README.md

---
annotations_creators:
- synthetic
language:
- en
license:
- agpl-3.0
---

# v-Fable: Synthetic Fable-5 Traces Dataset

## 📊 データセット概要

このデータセットは [Glint-Research/Fable-5-traces](https://huggingface.co/datasets/Glint-Research/Fable-5-traces) の**統計分布を完全再現**した合成データです。
AIエージェント（claude-fable-5）のコード生成・ツール使用のトレースを、元データと同一の分布で生成しています。

| 項目 | 値 |
|------|------|
| レコード数 | **100,000** |
| ファイル | `v_fable.jsonl` |
| セッション数 | 60 |
| モデル | claude-fable-5 |
| フォーマット | JSONL (10カラム) |
| ライセンス | AGPL-3.0 |

## 📋 カラム構成

| カラム | 説明 |
|--------|------|
| `uid` | ユニークID（`{session_uuid}#{sequence}`） |
| `source_file` | 元のソースファイルパス |
| `session` | セッションUUID |
| `model` | モデル名（`claude-fable-5`） |
| `context` | 会話コンテキスト（最大7,022文字） |
| `cot` | チェーン・オブ・ソート（思考過程） |
| `output_type` | `text` または `tool_use` |
| `output` | 実際の出力（メッセージ or ツール呼び出し） |
| `completion` | `<think>`タグ付き完全な応答 |
| `origin` | 生成元（`local` / `hf`） |

## 📈 統計情報

| 指標 | 元データ | 合成データ |
|------|---------|-----------|
| レコード数 | 4,665 | **100,000** |
| % text | 18.6% | 18.7% |
| % tool_use | 81.4% | 81.3% |
| CoT 平均長 | 2,669文字 | 2,634文字 |
| CoT 中央値 | 2,365文字 | 2,633文字 |
| completion 平均長 | 3,754文字 | 2,945文字 |
| Bash | 1,544回 | 1,543回 |
| Edit | 960回 | 942回 |
| Read | 443回 | 465回 |
| Write | 311回 | 311回 |

## 🚀 使い方

```python
from datasets import load_dataset

# データセットの読み込み
ds = load_dataset("summerMC/v-Fable", split="train")
print(len(ds))  # 4665
print(ds[0]["output_type"])  # "text" or "tool_use"
print(ds[0]["cot"][:200])    # Chain of thought

# ファインチューニング用にフォーマット
train_data = []
for r in ds:
    train_data.append({
        "input": r["context"],
        "output": r["completion"],
    })
```

## 🔧 生成方法

合成データは `fable5_generator.py` を使って生成されています：

```bash
pip install numpy
python3 fable5_generator.py --sessions 60 --records 4665 --output v_fable.jsonl --seed 42
```

## 📝 ライセンス

AGPL-3.0

## 🙏 クレジット

- 元データセット: [Glint-Research/Fable-5-traces](https://huggingface.co/datasets/Glint-Research/Fable-5-traces)
- 統計解析・合成生成: v-Fable pipeline