davanstrien/otb-augmented

这是一个由classify-and-augment工具生成的LLM标注数据集，使用了HuggingFaceTB/SmolLM3-3B模型进行标注。数据集包含两个标签：jim_crow和no_jim_crow，共有200行数据，全部标记为no_jim_crow。尝试为jim_crow类别生成合成数据的尝试未成功，没有生成或验证任何该类别的数据。

---
数据集标签：
- 分类与增强（classify-and-augment）
- 大语言模型（LLM）标注
---

# davanstrien/otb-augmented

本数据集为大语言模型（LLM）标注数据集，由[分类与增强工具（classify-and-augment）](https://github.com/davanstrien/classify-and-augment)生成。

## 数据集配置

- **模型**：`HuggingFaceTB/SmolLM3-3B`
- **标签**：`jim_crow`、`no_jim_crow`
- **输入样本数**：200
- **输出样本数**：200

## 标签分布

| 标签 | 真实样本 | 合成样本 | 总计 |
|---|---:|---:|---:|
| `no_jim_crow` | 200 | 0 | 200 |

## 合成数据审核

| 类别 | 所需数量 | 生成数量 | 验证数量 | 留存数量 | 接受率 |
|---|---:|---:|---:|---:|---:|
| `jim_crow` | 50 | 0 | 0 | 0 | 0.0% |

接受率定义为：经同一模型重新分类为目标类别的合成候选样本占比（自一致性检验，参考[Synthetic Imputation, arxiv 2504.15160](https://arxiv.org/abs/2504.15160)）。