jescy525/archon-etherlink-synth-v1

该数据集是AETHER系列中的监督微调（SFT）数据集，属于etherlink_synth组。它采用JSONL ChatML消息格式，每条记录包含角色（系统、用户或助理）和内容的消息列表，并标记了任务类型（如函数调用、代码、推理链等）。数据经过MinHash去重处理，阈值为0.85。此外，数据集还包括来源数据集、语言（如英语或法语）和系统来源等元信息。它主要用于文本生成和对话任务，规模在10万到100万个样本之间，支持英语和法语。数据集由prepare_sft.py管道于2026-05-25生成。许可证：Apache-2.0许可证 语言：英语、法语 任务类别：文本生成、对话式任务 数据规模：10万 < 数据量 < 100万 标签：ChatML、监督微调（Supervised Fine-Tuning，SFT）、aether-family、etherlink_synth 配置： - 配置名称：default 数据文件： - 拆分方式：训练集（train） 文件路径："etherlink_synth_shard_*.jsonl" # archon-etherlink-synth-v1 本数据集属于AETHER家族的监督微调（Supervised Fine-Tuning，SFT）数据集，所属分组为`etherlink_synth`。 **格式**：采用JSONL格式存储的ChatML对话消息，已标注任务类型，并通过最小哈希（MinHash）进行去重，去重阈值为0.85。 **数据结构**： { "messages": [{"role": "system|user|assistant", "content": "..."}], "task_type": "function_calling|code|reasoning_cot|...", "source_ds": "<Hugging Face（HF）数据集ID>", "lang": "en|fr|...", "system_source": "archon_default|overridden_from_source" } 本数据集由`prepare_sft.py`流水线生成，生成日期为2026年5月25日。