MetonymousAI/Step-3.5-Flash-SFT-No-Tools

该数据集是stepfun-ai/Step-3.5-Flash-SFT的一个过滤子集，名为Step-3.5-Flash-SFT No-Tools，专门用于文本生成任务。它包含纯聊天对话数据，经过严格过滤：仅保留原始JSON分片中的聊天行，要求对话结构为列表形式，每条消息为对象，消息角色仅限于系统、用户和助手，且排除了任何与工具相关的字段（如tools、tool_calls、tool_call_id）和工具角色。最终数据集包含1493471行数据，原始无工具行数为1495099，通过秘密扫描移除了1628行潜在敏感信息。数据以Parquet分片格式存储（位于data/train-*.parquet），适用于英语语言处理，规模在100万到1000万之间，许可证为other。许可证：其他 任务类别： - 文本生成（text-generation） 语言： - 英语（en） 数据规模： - 100万<样本量<1000万（1M<n<10M） # Step-3.5-Flash-SFT 无工具版 本数据集为`stepfun-ai/Step-3.5-Flash-SFT`的过滤子集，仅保留原始JSON分片中的纯对话行。 最终保留样本数：`1493471` 秘密过滤前的无工具对话行数：`1495099` 经秘密扫描确认后移除的样本数：`1628` 核心数据文件为`data/train-*.parquet`路径下的Parquet分块文件。 过滤规则如下： - `conversations`必须为列表类型； - 每条对话消息必须为对象类型； - 对话消息的角色仅可限定为`system`、`user`与`assistant`； - 任一消息均不得包含`tools`、`tool_calls`或`tool_call_id`字段； - 任一消息的角色均不得为`tool`。 秘密过滤环节采用了Gitleaks行级扫描技术，最终验证扫描未发现需接受的违规样本。 可查阅`filter_manifest.json`、`parquet_manifest.json`及`secret_scan_report.redacted.json`以获取审计详情。