sft-5M

# data structure - uid 样本唯一 ID(那一长串 final_img_v6_1__...) - set 数据集划分(这里是 pe-rw) - **prompt: 改写后的prompt** - **orig_prompt 原始prompt** - gt 一个字符串列表(ground truth,如 [banana, pizza, to the right of]) n_gt/gt_words/gt_chars gt 的一些计数 - **image_bytes** —— 图片的原始二进制,直接内嵌在 parquet 里 - image_format/width/height 图片格式和尺寸 - steps/guidance/seed/gen_sec/gen_config 生成参数(扩散模型的步数、guidance scale、随机种子、生成耗时、配置) - status/error 生成是否成功 - source_file/source_row_idx 来源追溯