ubs_ai_next — синтетический агентный tool-use датасет для утилиты ubs (BPMSoft)

Обучающие примеры корректного вызова инструментов CLI/MCP-утилиты ubs (администрирование и разработка конфигурации BPMSoft). Каждый пример: запрос пользователя на русском → рассуждение <think>…</think> → вызов правильного инструмента строго по схеме.

Формат хранения — Parquet (zstd). Сплиты: train / validation.

Состав

• Всего: 7399 записей (6660 train / 739 validation)
• Команд покрыто: 0 / 454 (каждая 4–9 примеров)
• Surface: MCP-тулы + CLI-вербы
• Kind: search (find-tool → describe-tool → run-tool: поиск инструмента), select (подбор: дистракторы разобраны и отвергнуты по существу в CoT), chain (многошаговый: run A → next → run B, реальный путь графа), recover (run-tool вернул isError → вызов исправлен по тексту ошибки), confirm (необратимое: план → согласие → дословный повтор), negative (нет обязательных данных → переспрос без вызова)
• Язык: запрос и названия объектов — русский; verb/флаги/code/env — английский
• Детерминированный gate: 100% строк проходят валидацию по эталонной схеме (arguments⊆properties, все required, enum, CLI-флаги, GUID-provenance: неугадываемые значения обязаны присутствовать в тексте запроса и дословно копироваться в аргументы).

Конфиги

from datasets import load_dataset
ds = load_dataset("Catter58/ubs_ai_next")               # DEFAULT = chat: колонки system/user/assistant
sg = load_dataset("Catter58/ubs_ai_next", "sharegpt")   # sharegpt: conversations[] (from/value)
tx = load_dataset("Catter58/ubs_ai_next", "text")       # text: готовая ChatML-строка
mg = load_dataset("Catter58/ubs_ai_next", "messages")   # messages[] (tool_calls — JSON-строка)

Быстрый старт в Unsloth / Fine-tuning Studio

Конфиг по умолчанию chat — 3 плоские текстовые колонки system / user / assistant (single-turn). Имена колонок совпадают с ролями → role-mapper Fine-tuning Studio авто-мапит их без ручной разметки (user→user, assistant→assistant, system→system). Вызов инструмента — внутри колонки assistant тегом <tool_call>…</tool_call> (после <think>…</think>).

Для кода Unsloth/TRL любой из форматов:

from datasets import load_dataset
from unsloth.chat_templates import standardize_sharegpt
ds = load_dataset("Catter58/ubs_ai_next", "sharegpt")   # conversations[] from/value
ds = standardize_sharegpt(ds)                       # from/value → role/content
trainer = SFTTrainer(train_dataset=ds["train"], eval_dataset=ds["validation"], ...)

Либо конфиг text (готовая ChatML-строка), обучать напрямую БЕЗ chat-template (dataset_text_field="text"). Не применяйте apply_chat_template к конфигу text — строка уже собрана (пустой text после повторного шаблонирования = IndexError: string index out of range).

Схемы Parquet:

• chat (default) — колонки system, user, assistant (str, single-turn). Имена = роли → авто-детект role-mapper'а. Вызов инструмента в assistant тегом <tool_call>…</tool_call>. Конфиг chat содержит только однотёрновые записи (positive/negative); мультитёрн (irreversible/recovery/discovery) доступен в конфигах sharegpt, text, messages.
• sharegpt — ЕДИНСТВЕННАЯ колонка conversations (list<struct<from, value>>; from∈ system/human/gpt — только эти три). Без meta-колонок. Вызов инструмента внутри value тегом <tool_call>{"name":…,"arguments":…}</tool_call>. В мультитёрновых записях (kind=irreversible/recovery/discovery) роль tool (ответ инструмента, например isError/подтверждение) переписана в from:"human", содержимое обёрнуто тегом <tool_response>…</tool_response> — как в glaive-style function-calling датасетах. Причина: у Unsloth standardize_data_formats/standardize_sharegpt нет алиас-бакета tool (только system/human/gpt) и он падает TypeError: Unsloth: ['tool'] are not in aliases. на сырой роли; ремаппинг сохраняет чередование human/gpt, которого требует standardize_sharegpt. messages и text ниже роль tool НЕ трогают — там она сырая.
• text — колонки: text (str, ChatML: <|im_start|>role\n…<|im_end|>, вызов инструмента внутри ассистента тегом <tool_call>…</tool_call>), command, surface, kind, behavior. Роль tool (мультитёрн) хранится как есть — <|im_start|>tool\n…<|im_end|>, без ремаппинга.
• messages — колонки: messages (list<struct<role, content, tool_calls>>), command, surface, kind, behavior. tool_calls — JSON-строка [{"name":…,"arguments":…}] (аргументы вариативны по команде, поэтому сериализованы; null у system/user). Роль tool (мультитёрн) хранится как есть — БЕЗ ремаппинга (в отличие от sharegpt выше).

behavior: RO=read-only, D=destructive, I=idempotent.

Генерализация

environment и неугадываемые идентификаторы (GUID/Id/uid) берутся из запроса и дословно копируются в аргументы — модель учится ИЗВЛЕКАТЬ значения, а не заучивать конкретный стенд.