AvrovaDonz/CAT-YK

《药娘的天空》原文数据集

小说由用户提供。训练答案是原文切片或原文对白按顺序拼接，没有模型改写、润色或生成的小说正文。 模型标注独立保存在 labels.grok.jsonl，不混入 messages、text 或 ground_truth。

数据	train	validation	test
sft	4230	208	231
rl	1631	92	95
raw	663	36	36

三种配置

• sft_multitask：八种任务混合，标准 user/assistant messages 格式。任务指令匹配具体目标，使用多套自然表述。训练时只对 assistant 答案计算损失。
• rl_grounded_extract：给出原文片段及段落定位锚点，模型逐字摘录目标段。ground_truth 是原文切片，奖励为严格字符相等时 1，否则 0。可用于 GRPO 等可验证奖励训练。它训练原文检索和精确输出能力；不代表小说续写质量的偏好奖励。
• raw_text：保持原样的小说正文段，用于领域继续预训练或自行制作任务。

from datasets import load_dataset

sft = load_dataset("AvrovaDonz/CAT-YK", "sft_multitask")
rl = load_dataset("AvrovaDonz/CAT-YK", "rl_grounded_extract")

# 本地也可以直接读取 JSONL。
sft_local = load_dataset("json", data_files={
    "train": "sft/train.jsonl",
    "validation": "sft/validation.jsonl",
    "test": "sft/test.jsonl",
})

原文与坐标

source/novel.txt 是原文件的字节级副本，SHA-256 见 manifest.json。 全部区间是 0 起算、左闭右开的 Python Unicode 字符区间，针对 Path("source/novel.txt").read_bytes().decode("utf-8-sig")。去除 BOM，保留全部 CRLF、缩进、标点和错别字；不要用会转换换行的 read_text() 核验。

SFT 每行的 metadata 中有 task_type、instruction_template_id、target_visibility 及任务所需的原文输入区间。 metadata.target_spans 与 target_joiner 还原 assistant 答案；其他原文区间与确定性输入变换都保存于元数据。 完整切片保留 CRLF 和缩进；对白提取只插入已声明的分隔换行，不改写对白。 RL passage_span、anchor_span 和 target_span 切出检索依据、定位锚点和答案。 RL 答案的行首缩进与行尾空白只通过缩小区间去掉，不改写字符。 chapters.jsonl 保存原章节结构；重复编号使用不同全局 ID，缺失的 484 章不补写。

SFT 任务与提示

任务	输入	人写答案	答案在输入中的可见性
续写	场景前半段	后半段正文	无
对话应答	局部语境与上一句对白	原文下一句对白	无
叙述补段	缺段的前后文	被留出的叙述段	无
对白扩成场景	按原顺序提供的对白	含动作与叙述的完整场景	部分
素材扩写	两三句原文素材	对应完整场景	部分
双引号片段提取	完整场景	所有成对中文双引号片段	全部
标点修复	去标点的文本	带原标点的正文	经输入变换
段落重排	打乱的段落	按原顺序组织的正文	全部

续写限制为总样本的 20% 以下。其他任务改变预测目标、输入材料和输出要求；不是对同一续写问题换称呼。 每个来源块只选择一个任务和一个提示模板，避免对同一答案重复加权。 具体数量、每个模板使用次数及可见性比例见 sft_task_report.json；任务和提示审查见 sft_validation_report.json。 全部提示文本可直接查阅 instruction_templates.json。

任务	train	validation	test	总数
续写	529	26	29	584
对话应答	529	26	28	583
叙述补段	529	26	29	584
对白扩成场景	528	26	29	583
素材扩写	529	26	29	584
双引号片段提取	528	26	29	583
标点修复	529	26	29	584
段落重排	529	26	29	584

已使用 64 套任务提示；续写占比 12.51%；单一模板最高占比 1.61%。

对白扩写与素材扩写使用原文素材约束答案，不虚构 AI 情节梗概；原文只是合理完成方式之一。 叙述补段同时给出左右文。标点修复、段落重排和引号提取是编辑/抽取任务，答案在输入中部分或全部可见， 应与开放创作任务分别评估。确定性样本不额外编造场景情绪、人物关系或发话者身份。 所有任务仍来自同一小说；这里改善的是任务与提示覆盖，不声称证明了跨作者、跨题材的泛化。

划分与清理

先按文件顺序以约 90/5/5 分配完整章节；两处分界各保留一章作隔离，不参与训练或评估。 窗口不跨章、正文段、数据划分或清理间隙。跨划分重复的长段落（至少 80 字，比较时忽略段首段尾空白） 优先留在 test、其次 validation；在低优先级划分的所有配置中排除。 这只排除字面重复，无法消除单本小说共享人物与情节带来的相关性，不能据此评估陌生小说泛化能力。

卷前言、后记、作者广告、图注和“故事之外”等非虚构插页从训练视图排除，仍保存在原始副本中。 exclusions.jsonl 记录区间与原因，validation_report.json 记录逐字校验与跨划分检查。

标注

labels.rules.jsonl 是全文正文的确定性规则统计：物理段落数、以引号起始的段落字符比例、 标题是否包含“日记”、固定药品/治疗词表匹配和年龄字面提及。词表与年龄匹配带原文坐标， 年龄提及不等于某个人物的年龄判定；对话比例和日记标记是可复现的简单启发式。 这些信息是独立元数据，不加入训练问答。

如端点可用，labels.grok.jsonl 只含受约束的类型、情绪、内容标记与置信度。标注只读每章开头、中间和结尾的原文切片， 每条保留切片坐标、覆盖比例、请求模型名和时间。它不是全文审核或人工金标准；置信度由模型自报。 未获得标注的章节不会伪造标签。实际请求与覆盖统计见 annotation_report.json。 Grok 已对 734 章的抽样切片完成标注，标签与小说答案分开存放。 规则统计覆盖 734 个章节；历史端点故障及实际请求记录也保存在报告中。原文训练样本不依赖外部端点。

来源与许可

本数据集的原作权利归原作者。用户提供的文件内含转载声明，未提供新的开放许可；处理过程不改变原作权利。 小说开头说明人物、设定及部分药品信息为虚构；数据用于小说语言与叙事学习。

这个目录是独立 Git 仓库，仅含数据、来源、数据卡及统计。生成程序与奖励函数位于上层项目仓库。 Hugging Face 的配置格式依据官方文档。