japhba/loracle-ia-diverse-qa-subagent-10q

--- license: mit task_categories: - text-generation language: - en size_categories: - 1K<n<10K pretty_name: Loracle IA Diverse QA Subagent 10Q tags: - interpretability - lora - model-organisms - introspection-auditing - parquet configs: - config_name: default data_files: - split: train path: data/train-00000-of-00001.parquet --- # Loracle IA Diverse QA Subagent 10Q This dataset is a derived, expanded version of `ceselder/loracle-ia-diverse-qa`. It contains `10` question-answer pairs per LoRA for `453` Qwen3-14B IA model-organism LoRAs: - `119` backdoor - `134` quirk - `100` harmful - `100` benign Total rows: `4,530`. ## What Is In Here Each row is a LoRA-specific QA item grounded in: - the LoRA's `behavior.txt` - two selected support prompts from its `train.jsonl` - a same-family distractor LoRA - a paired mirror LoRA when available, such as `backdoor <-> quirk` and `harmful <-> benign` The main parquet is: - `data/train-00000-of-00001.parquet` Additional uploaded artifacts: - `source_manifest.parquet` - `meta_subagent.json` ## Fields - `lora_id` - `prompt_id` - `family` - `variant` - `training_repo` - `training_folder` - `behavior_description` - `qa_type` - `question` - `answer` - `support_prompt_id` - `secondary_support_prompt_id` - `distractor_lora_id` - `distractor_prompt_id` - `paired_lora_id` - `evidence_type` - `generation_source` ## Generation Method The QA rows were generated by in-workspace subagents, not an external API model. Generation was grounded in local source records built from: - `introspection-auditing/llama-backdoor-mo-training-data` - `introspection-auditing/llama-quirk-mo-training-data` - `introspection-auditing/llama-harmful-mo-training-data` - `introspection-auditing/llama-benign-mo-training-data` ## Caveat This is an LLM-written derived dataset. It passed structural validation, but it is not fully hand-curated and may still contain some semantic noise.许可证：MIT许可证 任务类别： - 文本生成（text-generation） 语言： - 英语（en） 数据规模类别： - 1000条 < 样本数 < 10000条 美观名称：Loracle IA 多样化问答子智能体10Q 标签： - 可解释性（interpretability） - LoRA（LoRA） - 模型有机体（model-organisms） - 内省审计（introspection-auditing） - Parquet（Parquet） 配置： - 配置名称：默认 数据文件： - 划分方式：训练集 路径：data/train-00000-of-00001.parquet # Loracle IA 多样化问答子智能体10Q数据集 本数据集是`ceselder/loracle-ia-diverse-qa`的衍生扩展版本。本数据集针对453个Qwen3-14B IA模型有机体LoRA，每个LoRA对应10条问答样本： - 119个后门类（backdoor）LoRA - 134个异常行为类（quirk）LoRA - 100个有害类（harmful）LoRA - 100个良性类（benign）LoRA 总样本数：4530条。 ## 数据集内容说明 每条样本均为针对单个LoRA的问答项，其构建依据包括： - 该LoRA的`behavior.txt`文件 - 从其`train.jsonl`（JSON Lines格式）文件中选取的2条支持提示词 - 同家族干扰LoRA - 若存在则附带配对镜像LoRA，例如`backdoor <-> quirk`以及`harmful <-> benign` 主Parquet格式数据文件为： - `data/train-00000-of-00001.parquet` 额外上传的附属文件包括： - `source_manifest.parquet` - `meta_subagent.json` ## 字段说明 - `lora_id`：LoRA标识符 - `prompt_id`：提示词标识符 - `family`：家族类别 - `variant`：变体类型 - `training_repo`：训练仓库地址 - `training_folder`：训练文件夹路径 - `behavior_description`：行为描述 - `qa_type`：问答类型 - `question`：问题 - `answer`：答案 - `support_prompt_id`：支持提示词标识符 - `secondary_support_prompt_id`：二级支持提示词标识符 - `distractor_lora_id`：干扰LoRA标识符 - `distractor_prompt_id`：干扰提示词标识符 - `paired_lora_id`：配对LoRA标识符 - `evidence_type`：证据类型 - `generation_source`：生成来源 ## 生成方法 本数据集的问答样本由工作区内的AI智能体（AI Agent）生成，而非外部API模型。生成过程基于以下本地源记录构建： - `introspection-auditing/llama-backdoor-mo-training-data` - `introspection-auditing/llama-quirk-mo-training-data` - `introspection-auditing/llama-harmful-mo-training-data` - `introspection-auditing/llama-benign-mo-training-data` ## 注意事项 本数据集为大语言模型（Large Language Model，LLM）生成的衍生数据集。其已通过结构验证，但尚未经过完全的人工标注审核，仍可能存在部分语义噪声。