kuaishou-llmrec-data

# 快手 LLM-Rec 聚合数据仓 私有队内协作仓: `zcyyyds2/kuaishou-llmrec-data`。这里放训练数据、heldout、RecIF 镜像和文件级 MANIFEST, 方便队友在国内环境直接复现。 ## 数据版本表 | 版本 | 文件 | 行数 | sha256 前12 | 差异一句话 | |---|---|---:|---|---| | v8 | `sft/data_v8_v1mix_ph.jsonl` | 27384 | `fb456a41c5d8` | v1 mix + no_think 占位修复; 当前高分主线数据 | | v12 | `sft/data_v12_recdense_userup.jsonl` | 37243 | `f15fe2837af7` | rec 全量 + user up, 离线 userF1 高但平台高剂量翻车过 | ## RecIF 镜像 来源是 HF `OpenOneRec/OpenOneRec-RecIF`。rec 三域(video/product/ad)是带 GT 的 SID 下一跳推荐, 与初赛 rec 同形; `item_understand` 是 SID -> 描述 500 对。当前跨境墙国内直连 HF 不通, 因此镜像在本私有仓。`s500` 切片固定 seed=17。 本轮全量 parquet 未全部到位: product/ad 只有 s500, video 全量文件在同步时 footer 不完整, 因此先上线 `video/product/ad` 三个 s500 和 `item_understand_full500`。全量文件到齐后再补。 ## 红线 - `heldout/` 只能评测, 不能进训练。 - 纯 heldout、纯评测集、RecIF test parquet 都不能混入 SFT 训练。 - 数据版本变更必须在 MANIFEST 记录行数、sha 和用途, 否则后续平台分无法归因。