DATASET.md

# Dataset disclosure

本次仓库是 **公开权重（open weights）发布**，不包含完整训练图片与 caption，
因此不应描述为“完整训练数据可复现”的发布。

已公开的数据事实：

- 101 张 PNG 与 101 份同名 TXT caption；
- 单一、平铺的 canonical dataset root；
- 101/101 一一配对；
- 没有文件级或解码像素级精确重复；
- Trigger `Symbol` 在每份 caption 中恰好出现一次；
- 聚合 pair SHA-256：
  `83552F2C58E534E532B6399A40FBDC1369391428C4CD3BBC242D5D67D78A1089`；
- 安全标签分布包含 safe、sensitive 和 explicit 内容，角色按成年虚构角色处理。

训练集覆盖原设服装、多种换装、正面/侧面/背面/三分之四角度、常见动作与表情、
替代单丸子头发型，以及有限的成年内容。训练集没有建立角色专属、冻结的原设内衣
或贴身衣物设计。

如果未来单独发布数据集，应建立独立 Dataset Repository，并在发布前重新核对：

1. 原始头像授权是否明确覆盖训练图片与 caption 的公开再分发；
2. 每张二次创作图片的来源与再分发权限；
3. 成人内容标记、平台规则和隐私信息；
4. 图片 metadata、绝对路径和个人信息清理；
5. 完整 manifest、相对路径、文件哈希与许可证。