haydn-jones/SynthMultiTurn

---
configs:
- config_name: default
data_files:
- split: train
path: train.json
- split: validation
path: validation.json
- split: validation_adversarial
path: validation_adversarial.json
license: mit
language:
- en
task_categories:
- text-generation
pretty_name: SynthMultiTurn
size_categories:
- 10K<n<100K
---

# SynthMultiTurn

Synthetic multi-turn state-tracking conversations for supervised fine-tuning and
assistant-span masking tests.

## Summary

Each example is a chat conversation with:

- 4 to 7 assistant turns
- optional `system` messages
- per-turn `reasoning_content` and `content` on assistant messages
- deterministic state updates over four registers and a list
- adversarial quoted control-sequence text in some user turns

## Splits

- `train`: 12,000 examples
- `validation`: 500 clean examples
- `validation_adversarial`: 500 adversarial examples with quoted control sequences in every example

配置项：
- 配置名称：default
数据文件：
- 拆分集：训练集（train），路径：train.json
- 拆分集：验证集（validation），路径：validation.json
- 拆分集：对抗验证集（validation_adversarial），路径：validation_adversarial.json
许可证：MIT许可证（MIT）
语言：英语（en）
任务类别：文本生成（text-generation）
数据集展示名：SynthMultiTurn
规模类别：1万＜样本数＜10万

# SynthMultiTurn 数据集
用于监督微调（supervised fine-tuning）与助手跨度掩码测试（assistant-span masking tests）的合成多轮状态追踪对话数据集。

## 摘要
每个样本均为一段聊天对话，包含以下要素：
- 4至7轮助手回复
- 可选的系统（system）消息
- 助手回复的每一轮均包含`reasoning_content`（推理内容）与`content`（对话内容）两个字段
- 基于四个寄存器与一个列表执行确定性状态更新
- 部分用户轮次中嵌入了带引用标记的对抗性控制序列文本

## 拆分集说明
- 训练集（train）：共12000条样本
- 验证集（validation）：共500条干净无对抗样本
- 对抗验证集（validation_adversarial）：共500条对抗样本，每条样本均包含带引用标记的控制序列文本