build-small-hackathon/tianwen-distill

Tianwen Distillation Set 是一个小型、经过质量过滤的中文指令数据集，旨在教导模型以平实、温暖、第二人称、反厄运的语气解读中文八字（BaZi）和六爻（I-Ching）图表。该数据集将传统命理中的不祥符号重新框架为成长语言，并在每个回应结束时提供一个具体行动建议。它包含58个示例（从64个清理而来），采用ShareGPT格式（即JSON消息序列），用于微调模型tianwen-minicpm5-1b。数据集涵盖日常运势（日运）、本命分析（本命小传）、年度运势（年运）和月度运势（流月）等任务，通过教师模型MiniMax-M2.7-highspeed生成，并经过10维质量过滤器处理，包括长度限制、禁止使用宿命论短语（如“一定会/命中注定/大凶/克夫克妻”）等，以确保内容积极和实用。数据集仅用于研究、反思和娱乐目的，不提供医疗、心理或财务建议。A small, quality-filtered instruction dataset that teaches a model to read Chinese BaZi (八字) and I-Ching (六爻) charts in a plain, warm, second-person, anti-doom voice — reframing ominous symbols as growth language and ending with one concrete action. Used to fine-tune tianwen-minicpm5-1b. It contains 58 examples (cleaned from 64) in ShareGPT format, with tasks including daily, natal, year, and month readings. Generated by a teacher model and filtered through a 10-dimension quality filter to ensure non-fatalistic and actionable content. Intended for research, reflection, and entertainment only.

搜集汇总

数据集介绍

构建方式

该数据集名为Tianwen Distillation Set，其构建过程以真实命理排盘数据为根基，借助lunar-python工具计算生辰八字的底层配置，随即调用高级教师模型MiniMax-M2.7-highspeed进行智能化生成。原始数据涵盖日运、年运、流月与命理小传四大类别，共计64条样本。为保障输出质量，研究者设计了一套严格的十维过滤机制，涵盖文本长度约束、强制每日运势中的可行性建议、以及清除‘命中注定’、‘大凶’等宿命论措辞，并避免Markdown格式和危机用语。对于因存在占位符或数据缺失而引发的拒答样本，系统予以准确剔除，最终仅保留58条高质量的指令集。

使用方法

此数据集主要用于对小型语言模型的监督微调，尤其适合在指定对话风格和行为一致性上进行精调。使用者可基于HuggingFace标准加载流程，通过解析JSON格式的messages字段，按角色拆分系统提示、用户输入与模型回答三个部分。推荐在微调过程中结合该样本集少量多次地反馈，以向模型灌输‘反思成长式’的命理解读风格。需注意，该数据集仅供研究、娱乐及人格化风格训练等非商业用途，不应被视为医学或金融咨询的替代品。

背景与挑战

背景概述

在中国传统文化中，八字与六爻推算承载着深厚的哲学意蕴与民间实践，然而传统命理表达常充斥着宿命论色彩与消极暗示，难以契合现代语境下对心理激励与正向引导的诉求。为填补这一空白，Tianwen Distill数据集应运而生，由Build Small Hackathon团队于近期创建，旨在通过知识蒸馏技术，将大型语言模型MiniMax-M2.7的解读能力精炼至轻量级模型，赋予其“反宿命”（anti-doom）的温暖叙事风格。该数据集仅含58条高质量指令样本，聚焦日运、本命小传、年运及流月等具体场景，致力于重塑命理解读为成长导向的语言实践，对探索人机交互中文化符号的现代转化具有鲜明示范意义。

当前挑战

数据集面临的核心领域挑战在于如何将充满歧义性与文化敏感度的命理符号转化为客观、正向且无误导性的语言，避免强化“大凶”、“克夫克妻”等宿命论表述，同时保持传统意象的完整性。构建过程中，团队需应对真实排盘数据的不稳定性——当占位符数据触发教师模型时，模型易产生拒绝回答或输出无效内容，最终从64条原始样本中筛除6条无效数据。此外，需设计10维度质量过滤器，包括长度边界检查、强制要求每日解读包含“一小步”行动建议、禁止致命主义短语及危机词汇、抵制Markdown格式与数据转储等，并引入拒绝检测器以剔除触发占位符的输出，确保数据集在极小规模下仍能稳健传授预期风格。

常用场景

经典使用场景

在自然语言处理与传统文化交叉研究的领域中，tianwen-distill数据集为大型语言模型注入中华传统命理知识提供了精炼的微调素材。这一数据集最经典的使用场景是对模型进行风格迁移式训练，使其掌握一种反宿命论的、正向温暖的解答语调。通过仅58条经过严格质量过滤的指令样本，研究者可将一个通用基座模型精调为能够阅读八字、六爻盘面并给出具有成长导向建议的对话助手，在保持专业术语准确性的同时彻底摒弃命理学中常有的决定论与危机话语。

解决学术问题

tianwen-distill数据集核心解决了语言学与计算社会学中一个棘手的课题：如何让机器理解并转化带有强烈文化符号的非科学话语体系。传统自然语言处理研究常陷入二元困境——要么完全排斥玄学文本，要么不加批判地生成宿命论内容。该数据集通过十维度质量过滤器与抗宿命论话语定义，为模型训练提供了一个优雅的折中方案，使得学术研究能够探索文化符号的语义重构机制，并证伪'语言模型无法在敏感领域保持价值中立'的常见假设。

实际应用

该数据集在实际应用场景中扮演着风格规制与情感引导的范例角色。基于tianwen-distill微调的模型被部署于个人成长与心理自助类应用，例如生成个性化的'今日提示'、'本命小传'或'年度运势'——但始终以提供具体可执行的小步骤行动建议收尾，而非空洞或恐吓性的预言。这类应用严格回避医疗与金融领域，专注于娱乐与自我反思场景，为传统文化爱好者提供了一个既不迷信又不失深度的交互体验，实现了文化传承与理性精神的微妙平衡。

数据集最近研究

最新研究方向

在当前大语言模型对齐与安全研究的热潮中，tianwen-distill数据集独辟蹊径，聚焦于传统中国命理文化（八字与六爻）的现代化、去宿命论解读。该数据集通过精心设计的蒸馏流程与10维质量过滤，将占卜术语转化为积极向上的成长型语言，规避了“命中注定”等宿命论表述，并强制在每则运势建议中嵌入可执行的小行动，为模型注入了反厄运（anti-doom）的伦理关怀。其研究意义在于，它不仅探索了深度求索模型在亚文化、象征性文本上的风格化微调能力，更提供了一个将高风险信仰类内容进行安全、建设性重构的范例，推动了前沿AI对文化敏感性与心理健康促进的交叉融合。