guannanjiayou/china-rd-expenditure-categorization-dataset

Summary 本数据集用于 企业所得税研发费用 凭证文本的预分类/归集建议任务：给定费用凭证的简要信息（科目/摘要/部门/金额/收款方等），输出结构化预分析结果，供下游规则引擎与人工复核使用。 当前仓库包含两份 JSONL： **data/train_samples.jsonl**：人工/示例样本（相对少量） **data/train_generated.jsonl**：模型生成的扩充样本（相对多量），每条带 generated: true Data format 每行是一个 JSON 对象，核心字段如下： **messages**：对话格式（system/user/assistant） system：任务说明与输出字段规范 user：一条费用凭证的文本化输入 assistant：只输出合法 JSON 字符串（结构化预分类结果） **category**：该样本的归集科目标签（用于训练/评估的外部标签） **difficulty**：难度（简单/中等/困难）… See the full description on the dataset page: https://huggingface.co/datasets/guannanjiayou/china-rd-expenditure-categorization-dataset.