heiheiha798/perfectblend-regen-qwen3-8b-non-thinking
PerfectBlend Regen Qwen3-8B Non-Thinking 32768 Clean 中文 本仓库包含 PerfectBlend 数据经 Qwen3-8B non-thinking 模式重新生成后的清理版本。数据从 max_tokens=4096 的原始 regen 结果出发，对疑似截断样本继续做 8192 / 16384 / 32768 token 补生成，并移除 context-length 超限、尾部退化，以及 32768 max new tokens 打满但没有自然结束的无界生成样本。 文件 文件 说明 行数 data/train-00000-of-00008.parquet ... data/train-00007-of-00008.parquet Qwen3-8B non-thinking regen 清理样本 1,420,046 dropped_ids.jsonl 被排除的原始 row id 和原因 863… See the full description on the dataset page: https://huggingface.co/datasets/heiheiha798/perfectblend-regen-qwen3-8b-non-thinking.
Add assistant token stats to PerfectBlend clean release
Slim Parquet schema
Use Parquet main data and upload dropped ids
Replace with 32768 clean regen release
README: add max_tokens=4096 truncation audit stats (~0.62% rows truncated)
Upload PerfectBlend Qwen3-8B non-thinking regen dataset
initial commit