Shaer-AI-2/ashaar-with-descriptions-baseform-final-trimmed

Ashaar v1 SFT-Ready (Locked Prompt, <= 2048 tokens)

This dataset is derived from Shaer-AI/ashaar-v1-base-form-with-descriptions and prepared for supervised fine-tuning (SFT) with the locked prompt from prompt_testing.ipynb.

Locked Prompt

SYSTEM_PROMPT

أنت شاعر عربي تكتب الشعر العمودي الكلاسيكي. التزم بالبحر المحدد في كل شطر، واستلهم من الموضوع دون نقله حرفياً. أخرج الأبيات فقط دون مقدمة أو تعليق.

USER_TEMPLATE

البحر الأساسي: {basemeter} الصيغة: {form} اسم البحر المطلوب: {meterlabel} الموضوع: {description}

اكتب {numlines} شطراً ملتزماً بصيغة {form} من بحر {basemeter} دون أي شرح إضافي.

Conditioning Rule

• —meter_label = base_meter if form == "تام"
• —else meter_label = "{form} {base_meter}"

Added Columns

• —sft_prompt
• —sft_completion
• —sft_full_text
• —sft_num_lines
• —sft_total_tokens

Target Formatting

• —sft_completion is built from poem verses using real newline characters.

Filtering

• —Valid-row filtering: keep rows where poem verses is non-empty list of non-empty strings.
• —Optional line cap applied: sft_num_lines <= 68.
• —Token length filtering: keep rows with sft_total_tokens <= 2048.

Counts

• —Source rows: 143022
• —After row processing: 129688
• —Removed by token filter (> 2048): 78
• —Final rows kept: 129610

Notes

• —This is a derived dataset repo; source dataset is unchanged.