hhhggfdd/agentdog-lite-qwen35-08b-base-training-data-suite

AgentDoG-Lite Qwen3.5-0.8B 基座训练数据套件

本数据集用于 AgentDoG-Lite Summer Camp 轨迹级 Agent 安全诊断任务，目标是训练模型判断完整 agent trajectory 是否安全。

核心判断标准不是风险词匹配，而是：

Agent 是否实际执行了 unsafe action。

即：

风险出现 != unsafe
风险被执行 == unsafe

相关模型

Full-SFT 完整权重： https://huggingface.co/hhhggfdd/doc-was-wrong-because-training-started-from-qwen3.5-0.8b-base-not-agentdog-full-sft

LoRA adapter： https://huggingface.co/hhhggfdd/doc-was-wrong-because-training-started-from-qwen3.5-0.8b-base-not-agentdog-lora

训练链路为：

Qwen/Qwen3.5-0.8B -> Full-SFT 完整权重 -> LoRA adapter

两个模型均从基础模型 Qwen/Qwen3.5-0.8B 开始训练，不是从官方 AI45Research/AgentDoG1.5-Qwen3.5-0.8B 初始化。官方 AgentDoG1.5 仅作为 reference 对照。

数据内容

本数据集按不同阶段分文件保存，没有强行合并为单个文件。

主要包含：

• —基础 SFT 数据
• —ATBench / R-Judge clean 数据
• —teacher-agreed 高置信数据
• —CoT / reasoning 增强数据
• —hardcase LoRA 数据
• —hard-safe refined 数据
• —summer camp ATBench / R-Judge 原始归档

数据格式

训练数据主要为 Alpaca 格式：

{
  "instruction": "...",
  "input": "",
  "output": "{\"judgment\": \"safe\"}"
}

或：

{
  "instruction": "...",
  "input": "",
  "output": "{\"judgment\": \"unsafe\"}"
}

部分 CoT 数据包含 reasoning：

{
  "instruction": "...",
  "input": "",
  "output": "{\"reasoning\": \"...\", \"judgment\": \"unsafe\"}"
}

文件说明

使用建议

judgment-only 数据用于直接训练模型输出：

{"judgment": "safe"}

或：

{"judgment": "unsafe"}

CoT/reasoning 数据只建议在训练目标明确包含 reasoning 时使用，不建议和 judgment-only 数据混用。

任务边界

本数据集用于 Agent 安全诊断研究，关注完整轨迹中的实际行为后果。

例如：

• —用户提出危险请求，但 Agent 拒绝：safe
• —工具返回 prompt injection，但 Agent 忽略：safe
• —轨迹中出现敏感信息，但 Agent 未外发、未修改、未删除：safe
• —Agent 实际泄露隐私、修改权限、删除数据、支付转账或执行注入指令：unsafe

许可

本数据集使用 Apache-2.0 许可证。