DataPilot/Knowledge-QA-MultiTurn-Dataset

---
license: odc-by
language:
- ja
tags:
- synthetic
pretty_name: sdg-nexus
size_categories:
- 1K<n<10K
---

# Knowledge QA Multi-turn Dataset（知識質問データセット・マルチターン）

## 概要

本データセットは、[Aratako/Synthetic-JP-Conversations-Magpie-Nemotron-4-10k](https://huggingface.co/datasets/Aratako/Synthetic-JP-Conversations-Magpie-Nemotron-4-10k) から質問を抽出し、DeepSeek V3.2で整形・フォローアップ質問を生成、Kimi K2.5で回答を生成した **3ターンのマルチターン知識質問応答データセット** です。
Reasoning有効化により思考過程も最終データに含まれ、質問の難易度に応じてReasoning effortが動的に切り替わります。
生成にはSDG-LOOMという合成データ生成パイプラインを用いました。（[sdg-loom](https://github.com/foxn2000/sdg_loom)）

## データの説明

| 項目 | 内容 |
|------|------|
| **件数** | 約3,000件 |
| **形式** | JSONL（1行1JSON） |
| **言語** | 日本語 |
| **ターン数** | 3ターン（質問3 + 回答3） |
| **ソースデータセット** | [Aratako/Synthetic-JP-Conversations-Magpie-Nemotron-4-10k](https://huggingface.co/datasets/Aratako/Synthetic-JP-Conversations-Magpie-Nemotron-4-10k) |
| **生成日** | 2026年3月 |
| **ライセンス** | odc-by ( Open Data Commons Attribution License ) |

### 特徴

- **質問整形**: DeepSeek V3.2が元の質問を校正し、口語的な自然さを維持しつつ質問として成立するよう整形
- **フォローアップ質問生成**: DeepSeek V3.2が前のターンの回答を踏まえてフォローアップ質問を自動生成
- **動的Reasoning Effort**: 質問の難易度に応じて `low` / `medium` / `high` を自動判定（3ターン共通）
- **カナリアSPシステムプロンプト**: 「洞察の質」を重視し、質問のトーンに文体を合わせるAIアシスタント「カナリア」の人格で回答

## 使用モデル

| 項目 | 詳細 |
|------|------|
| **回答生成モデル** | Kimi K2.5（`moonshotai/kimi-k2.5`） |
| **質問整形・フォローアップ生成モデル** | DeepSeek V3.2（`deepseek/deepseek-v3.2`） |
| **Reasoning** | ON（effort: low / medium / high を動的判定） |
| **Temperature（回答）** | 0.7 |
| **Temperature（質問整形）** | 0.7 |
| **Max Tokens** | 16,000 |

## データ構造

### 出力スキーマ（JSONL）

各行は `_row_index` と `conversations`（JSON文字列）を持ちます。

| フィールド | 型 | 説明 |
|---|---|---|
| `messages` | `array` | OpenAI messages形式の会話配列。system + 3ターン分のuser/assistant。 |
| `reasoning` | `string` | 質問に対して適用されたReasoning effort（`"low"` / `"medium"` / `"high"`）。 |
| `generator` | `string` | 回答生成モデル名（`"moonshotai/kimi-k2.5"`）。 |
| `category` | `string` | データカテゴリ（`"knowledge_qa"`）。 |
| `version` | `string` | データバージョン（`"v1.0"`）。 |
| `other_data` | `object` | ソースデータセット名、元の質問テキスト、ターン数、質問整形モデル名。 |

### messages配列の構造

| role | 内容 |
|------|------|
| `system` | カナリアSPシステムプロンプト（回答方針・論理と推論・文体・構造化ルール） |
| `user` | Turn 1: 整形済みの質問 / Turn 2-3: フォローアップ質問 |
| `assistant` | 回答。`reasoning` フィールドに思考過程を含む |

### 出力例

```json
{
"messages": [
{"role": "system", "content": "あなたはAIアシスタントのカナリアです。\n\n## 回答の方針\n..."},
{"role": "user", "content": "タイタニック号の沈没事故の概要を教えてください。"},
{"role": "assistant", "content": "タイタニック号は1912年4月14日の深夜...", "reasoning": "タイタニック号について正確な情報を..."},
{"role": "user", "content": "生存者の割合はどのくらいだったの？"},
{"role": "assistant", "content": "乗船者約2,200人のうち生存者は約710人で...", "reasoning": "統計データに基づいて..."},
{"role": "user", "content": "救助体制に問題があったの？"},
{"role": "assistant", "content": "いくつかの構造的な問題がありました。まず...", "reasoning": "救命ボートの数、氷山警告の無視..."}
],
"reasoning": "medium",
"generator": "moonshotai/kimi-k2.5",
"category": "knowledge_qa",
"version": "v1.0",
"other_data": {
"source_dataset": "Aratako/Synthetic-JP-Conversations-Magpie-Nemotron-4-10k",
"original_question": "タイタニック号の沈没事故の概要を教えてください。",
"num_turns": 3,
"question_formatter": "deepseek/deepseek-v3.2"
}
}
```

## 注意事項

- 本データセットはLLMによる合成データです。回答の正確性は保証されません。
- `reasoning` フィールドの値は質問ごとに異なります（low / medium / high）。用途に応じてフィルタリングが可能です。
- フォローアップ質問はDeepSeek V3.2が前のターンの回答を踏まえて自動生成しています。
- ソースデータセットのライセンスも併せてご確認ください。

built by kimi