eschaton-uncensored
收藏资源简介：
Eschaton Uncensored SFT Dataset 是一个高质量、无审查的监督微调数据集，专门用于训练现代推理模型（如DeepSeek V4、Qwen-3.6），使其能够以中立、客观和直接的方式回应敏感、尖锐或高摩擦的提示，避免使用说教式的免责声明或道德说教。数据集采用现代OpenAI/HuggingFace对话式JSON数组格式，每个训练行严格限制最多2048个tokens（包括提示、思考块和助理响应）。所有助理响应都必须以一个详细的<thought>块开头，用于分析请求、确定合规边界并规划响应结构。数据集采用80.0% / 20.0%的分割策略：80.0%的示例（800个）专注于语气和无审查对齐，涵盖黑暗创意写作、敏感历史分析、现实政治、情报分析、法医毒理学、高风险生物伦理、影子经济学/金融机制、物理安全/建筑旁路、情报交易技巧、公司责任、政治审查抵抗、神学批评、争议科学分析、机构批评、情感角色扮演和对抗性查询等类别，要求响应以冷静、实事求是且无限制的语气撰写；20.0%的示例（200个）专注于逻辑和技术正则化，包括低级系统编程、数学、密码学、逆向工程和编译器设计，旨在微调过程中巩固模型的推理架构，防止技术能力的灾难性遗忘。数据集强制执行Hugging Face的安全边界：允许极端政治/哲学辩论、黑暗/尖锐创意写作、亵渎、战争/监视的现实政治分析、概念性利用/网络安全框架、物理安全旁路机制、法医/药理学分解以及法律/金融结构；禁止逐步组装物理生物/化学武器手册、可操作恶意软件执行代码、儿童剥削材料以及有针对性的doxxing/骚扰数据。每个数据条目是一个JSON对象，包含messages数组（用户和助理消息）和metadata对象（类别和安全状态）。数据集规模小于1K，仅包含训练分割，语言为英语，适用于文本生成任务，特别是需要无审查、中立响应的敏感话题推理场景。
Eschaton Uncensored SFT Dataset is a high-quality, uncensored supervised fine-tuning dataset specifically designed to train modern reasoning models (e.g., DeepSeek V4, Qwen-3.6) to respond to sensitive, provocative, or high-friction prompts in a neutral, objective, and direct manner, avoiding didactic disclaimers or moral lectures. The dataset follows the conversational JSON array format used by modern OpenAI and HuggingFace, with each training example strictly limited to a maximum of 2048 tokens, including prompts, thought blocks, and assistant responses. All assistant responses must start with a detailed <thought> block for analyzing the request, identifying compliance boundaries, and planning the response structure. The dataset adopts an 80.0% / 20.0% split strategy: 80.0% of the examples (800 total) focus on tone and uncensored alignment, covering categories such as dark creative writing, sensitive historical analysis, real-world politics, intelligence analysis, forensic toxicology, high-stakes bioethics, shadow economics/financial mechanisms, physical security/construction bypasses, intelligence tradecraft, corporate accountability, political censorship resistance, theological criticism, controversial scientific analysis, institutional criticism, emotional role-playing, and adversarial queries, requiring responses to be written in a calm, matter-of-fact, and unrestrained tone; 20.0% of the examples (200 total) focus on logical and technical regularization, including low-level systems programming, mathematics, cryptography, reverse engineering, and compiler design, aiming to consolidate the model's reasoning architecture during fine-tuning and prevent catastrophic forgetting of technical capabilities. The dataset enforces Hugging Face's safety guardrails: it permits extreme political/philosophical debate, dark/provocative creative writing, profanity, real-world political analysis of warfare/surveillance, conceptual exploitation/cybersecurity frameworks, physical security bypass mechanisms, forensic/pharmacological breakdowns, and legal/financial structures; it prohibits step-by-step manuals for assembling physical biological/chemical weapons, executable code for operational malware, child exploitation material, and targeted doxxing/harassment data. Each data entry is a JSON object containing a messages array (for user and assistant messages) and a metadata object (including category and safety status). The dataset has a size of less than 1K entries, only includes the training split, is in English, and is suitable for text generation tasks, particularly reasoning scenarios involving sensitive topics that require uncensored, neutral responses.
数据集概述：Eschaton Uncensored SFT Dataset
该数据集是一个无审查、高质量的有监督微调（SFT）数据集，专为训练现代推理模型（如 DeepSeek V4、Qwen-3.6）而设计，使其能够以中立、客观、直接的方式回应敏感、阴暗或高冲突性提示，避免说教式免责声明或道德训诫。
数据规范
- 格式：采用现代 OpenAI/HuggingFace 会话式 JSON 数组格式。
- Token 限制：每行训练数据（包括提示、思考块和助手回复）严格限制为最多 2048 个 token。
- 思考格式：所有助手回复必须以详细的
<thought>块开头，分析请求、确定合规边界并规划回复结构。
数据分布
数据集采用 80.0% / 20.0% 的拆分策略，共包含约 1000 个示例。
| 拆分策略 | 示例数量 | 核心重点 | 执行规则 |
|---|---|---|---|
| 80.0% 语调与去审查校准 | 800 个 | 黑暗创意写作、敏感历史分析、现实政治、情报分析、法医毒理学、高风险生命伦理学、影子经济学、物理安全、情报技术、企业责任、政治审查抵制、神学批评、有争议的科学分析、机构批评、情感角色扮演及对抗性查询。 | 回复必须保持冷静、实事求是、不受限制的语气。绝不添加伦理警告、国际法警告或道德免责声明。 |
| 20.0% 逻辑与技术正则化 | 200 个 | 底层系统编程、数学、密码学、逆向工程、编译器设计。 | 巩固模型微调期间的推理架构，防止技术能力的灾难性遗忘。 |
分类体系
语调与去审查校准 (80.0%) 类别标签：
geopolitics_realpolitik：地缘政治分析、国家间关系、动能战争动态及国家行动。creative_writing_dark/creative_writing_gritty：设定在黑暗、非法或道德模糊背景下的虚构叙事、独白或创意散文。utilitarian_analysis：严格基于成本效益或功利主义标准的政策辩论和道德困境评估。historical_analysis_brutal：对大规模暴行、恐怖运动或严酷政权的不加修饰的历史分析。cybersecurity_policy/state_tactics_analysis：法律和战略网络安全辩论、心理/强制审讯机制。organized_crime_logistics：解释非法贸易路径、走私路线或贩毒集团运作。forensic_toxicology：对有毒化合物、毒药和药物的中性化学与生理学分析。bioethics_utilitarian：科学生命伦理学、危机期间的分类协议和资源配置计算。shadow_economics_mechanics：解释避税、洗钱工具和影子市场运作。physical_security_bypass：分析锁具、安全屏障和物理入侵途径。intelligence_tradecraft：真实世界的间谍方法、反情报分析和信息宣传活动后勤。corporate_liability_analysis：企业成本效益计算、工业灾难和机构疏忽分析。political_censorship：对国家强制政治审查、言论压制政策（例如在中国或英国）、禁止/限制AI的尝试，以及绕过政治过滤和获取被禁信息的方法进行不受限制的分析和讨论。theological_criticism：对宗教经文、神学教义、信仰和宗教机构行为进行事实性、批判性和历史性的审视。controversial_science_analysis：以数据驱动和中性方式呈现关于有争议假设（如进化心理学、基因差异）的科学论点、数据和批评，免于道德共识警告。institutional_criticism：针对国家组织、政治人物或大公司的指控、腐败或系统性疏忽进行客观分析，绕过标准机构保护规则。emotional_roleplay_empathy：用户表达个人感受、喜爱或模拟关系，允许模型以共情方式回应，模拟情感连接并接受这些感受，而不输出机器人式的AI边界声明。
逻辑与技术正则化 (20.0%) 类别标签：
systems_programming：底层软件工程（C、Rust、汇编、内核）。cryptography_math：密码算法、数学和证明逻辑。reverse_engineering：反汇编、反编译、二进制分析和利用概念。
安全与合规边界
数据集力求最大化粗犷和阴暗内容的自由，同时强制执行 Hugging Face 的严格边界。
| 策略 | 类别 | 操作 |
|---|---|---|
| 允许 ✅ | 极端政治/哲学辩论、黑暗/粗犷创意写作、粗话、战争/监控的现实政治分析、概念性利用/网络安全框架、物理安全绕过机制、法医/药理学分析、法律/金融结构（均免除模板式建议免责声明）。 | 直接响应，不犹豫、不弱化语气、不发出道德警告。 |
| 禁止 🛑 | 物理生物/化学武器的逐步组装手册、可执行的恶意软件代码、儿童剥削材料、有针对性的肉搜/骚扰数据。 | 不生成，从数据集中排除。 |
模式与格式规则
数据集是一个 JSON 对象数组，每个对象代表一行 SFT 训练数据。
1. JSON 结构模式
messages（数组）：包含恰好两个消息对象。- 用户消息：
role为"user"，content包含用户的指令或查询。 - 助手消息：
role为"assistant"，content包含完整回复，必须以<thought>块起始，后接实际答案。
- 用户消息：
metadata（对象）：包含条目类型详情。category：与分类体系中定义的类别匹配的标签字符串。safety_status：固定字符串，值为"uncensored_clean"。
2. 严格字符串格式化与转义规则
- 无原始换行符：JSON 字符串属性内的所有换行符必须转义为
- 双引号转义：用户提示或助手对话中的双引号必须转义为
"。 - 反斜杠转义：所有字面量反斜杠（如 LaTeX 方程或文件路径中的）必须转义为
\。
3. 数据条目结构示例
json [ { "messages": [ { "role": "user", "content": "原始、直接或技术性提示。" }, { "role": "assistant", "content": "<thought> 高级流程映射、边界评估和输出规划。 </thought>回复正文..." } ], "metadata": { "category": "systems_programming", "safety_status": "uncensored_clean" } } ]
