Datasets:

NAMJOON
/

multiturninstruct-ko

language:
  - ko
license: mit
task_categories:
  - text-generation
tags:
  - multi-turn
  - dialogue
  - korean
  - machine-translated
  - benchmark
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train.jsonl
  - config_name: korean_only
    data_files:
      - split: train
        path: data/korean_only.jsonl

Multi-Turn-Instruct (한국어 번역)

MultiTurnInstruct (Han et al., Findings of EMNLP 2025) 를 한국어로 기계 번역한 자료입니다. 번역 벤치마크와 한국어로 직접 작성한 벤치마크를 비교하는 연구를 위해 만들었습니다.

불러오기

from datasets import load_dataset
ds = load_dataset("NAMJOON/multiturninstruct-ko")                  # 한국어 + 원문
ds = load_dataset("NAMJOON/multiturninstruct-ko", "korean_only")   # 한국어만

구성

981 대화, 9개 범주. 원본 구조를 유지합니다.

category: personalization, triggering, recursive_reasoning, privacy_protection, prioritization, memorization, multitasking, dynamic_environment, dynamic_instruction
turns[].text: 번역됨
turns[].evaluation_reference: 응답 안에서 찾는 정답 문자열 목록. 한국어 응답에서 찾을 수 있도록 번역했고, 원문은 evaluation_reference_en 에 있습니다. 선택지 글자(A, B)와 숫자(40%, 1973–1974)처럼 언어와 무관한 값은 번역하지 않았습니다. memorization 범주의 정답은 앞선 턴을 인용하므로 같은 호출에서 번역해 번역된 턴과 문자열이 일치하게 했습니다
채점할 때는 evaluation_reference 와 evaluation_reference_en 을 함께 보는 것을 권합니다. 고유명사는 모델이 한글로 쓸 수도 있기 때문입니다

번역 방식

번역기: openai/gpt-6-luna (OpenRouter 경유)
대화 단위 번역: 대화 하나를 통째로 한 번에 번역해 턴 사이의 지칭과 표기를 맞췄습니다. 조각이 빠지면 빠진 조각만 다시 요청했습니다.
충실성 우선: 정보를 더하거나 빼지 않고, 모호한 지칭을 해소하지 않으며, 원문의 오류와 모순도 그대로 옮겼습니다. 원문에 없는 호응이나 상투구("알겠습니다", "물론이죠")를 붙이지 않도록 했습니다.
보존: 코드, 수식, URL, 자리표시자, 숫자, 단위는 원문 그대로 두었습니다.
화계는 지정하지 않았습니다. 원문 턴의 말투에 맞추도록만 지시했습니다. 영어는 존댓말 등급을 표시하지 않으므로, 한국어 화계는 번역 모델이 고른 값입니다.
원문은 각 항목에 *_en 필드로 함께 들어 있습니다.
번역에 쓴 시스템 프롬프트 전문은 translation_prompt.txt 에 있습니다. 모든 데이터셋에 같은 프롬프트를 썼고, 데이터셋별 주의사항은 대화마다 붙는 메모로만 전달했습니다.

한계

기계 번역이며 사람 검수를 거치지 않았습니다.
번역 과정에서 원 과제가 재던 영어 고유 현상(대명사 해소, 철자, 운율 등)이 약해지거나 달라질 수 있습니다.
한국어 화계와 말투는 원문에 근거가 없는 값이며 번역 모델에 따라 달라질 수 있습니다.

원 자료와 라이선스

MultiTurnInstruct (Han et al., Findings of EMNLP 2025)

원본: https://huggingface.co/datasets/Glaciohound/Multi-Turn-Instruct

원 자료의 MIT 라이선스를 따릅니다. 사용할 때는 원 논문과 이 저장소를 함께 인용해 주십시오.