rollout

# rollout SFT target dataset 这是一个已经整理成 **SFT target 格式** 的 competitive programming verifier 数据子集。 ## 特点 - 5000 条样本 - 500 个题 - 每题 10 条 submission - AtCoder / NowCoder 各 2500 条 - cpp / python = **3:1** - 题目难度与 prompt 长度都做过均衡采样 - system prompt 使用 **7 种风格** 混合： - `detailed_judge` - `step_by_step` - `concise_review` - `strict_judge` - `senior_engineer` - `experienced_competitor` - `minimal_json_only` - 多风格采用**随机分配且数量尽量均衡**： - 2 种风格各 `715` - 其余 5 种风格各 `714` ## 数据文件 - `train.sft_target_5k_lang31_v2.jsonl` 每条样本是标准 chat-style SFT 格式： ```json { "id": "platform::problem_id::submission_id", "messages": [ {"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "```json ... ```"} ], "metadata": { "platform": "atcoder|nowcoder", "language": "cpp|python", "verdict_gt": "AC|WA|TLE|CE", "difficulty_bin": "easy|medium|hard", "system_prompt_style_id": "..." } } ``` ## 附带脚本 - `run_rollout_with_url_key.py` 这是一个**只需要填写 URL 和 KEY** 的最小 rollout 脚本： - 在脚本顶部填写： - `BASE_URL` - `API_KEY` - `MODEL` - 然后运行即可。 - 默认对每条数据 **roll 4 次**。 ## 说明 - assistant target 是依据 ground-truth verdict 和 evidence 生成的标准化 JSON block。 - 该版本更适合直接用于 SFT，而不是分析型中间格式。 - system prompt 风格参考了 `code_verifier_v2` 的多风格裁判提示，并融合了统一的 JSON block 输出规范。