Algocean/algocean-affect-router
algocean-affect-router 사용자 발화를 받아 지금 공감이 필요한지, 해결·정보가 필요한지 판정하도록 가르치는 LoRA SFT 데이터셋입니다. 사용자의 성격이 아니라 이 프롬프트가 지금 요구하는 응답 방식을 가르칩니다. 규모 파일 행 수 affect_router.jsonl 41,042 affect_router.eval.jsonl 2,000 형식: JSONL, messages 3턴 언어: 한국어 약 70% · 영어 약 30% 최소쌍(pair_id) 포함 — train/eval 분할 시 쌍 단위로 나눌 것 어디에 쓰나요 챗봇 응답 전 공감(F) vs 해결(T) 라우팅 같은 주제라도 어투에 따라 답이 달라져야 하는 경우 경량 모델로 톤 분기만 맡길 때 어떤 모델에 LoRA 하나요 출력이 짧고 클래스가 적어 가장 가벼운… See the full description on the dataset page: https://huggingface.co/datasets/Algocean/algocean-affect-router.
algocean-affect-router
사용자 발화를 받아 지금 공감이 필요한지, 해결·정보가 필요한지 판정하도록 가르치는 LoRA SFT 데이터셋입니다.
사용자의 성격이 아니라 이 프롬프트가 지금 요구하는 응답 방식을 가르칩니다.
규모
- 형식: JSONL,
messages3턴 - 언어: 한국어 약 70% · 영어 약 30%
- 최소쌍(
pair_id) 포함 — train/eval 분할 시 쌍 단위로 나눌 것
어디에 쓰나요
- 챗봇 응답 전 공감(F) vs 해결(T) 라우팅
- 같은 주제라도 어투에 따라 답이 달라져야 하는 경우
- 경량 모델로 톤 분기만 맡길 때
어떤 모델에 LoRA 하나요
출력이 짧고 클래스가 적어 가장 가벼운 노드입니다.
- 베이스: 1B ~ 3B 인스트럭트 모델 권장
- rank 8, alpha 16, lr 2e-4, epochs 3
- loss: assistant 턴만
사용
from datasets import load_dataset
ds = load_dataset("Algocean/algocean-affect-router", data_files="affect_router.jsonl", split="train")
ev = load_dataset("Algocean/algocean-affect-router", data_files="affect_router.eval.jsonl", split="train")- 학습:
messages만 pair_id등 메타는 분할·분석용 — 학습에 넣지 마세요
assistant 출력 (요약)
{
"route": 1,
"f_score": 0.82,
"reason": "..."
}호출부는 route만 써도 됩니다.
식별자·문서 id는 중립 코드(mNN, doc-NNNN, Brand-* 등)로 정규화되어 있다. 학습에는 messages만 쓴다.
라이선스
Apache-2.0