lius-cc/daoism-sft-v1

Daoism SFT Dataset v1

道教 LLM SFT 訓練資料集 — Phase 1-2 蒸餾+清洗產物。配 Qwen3.6-27B QLoRA 微調用。

資料來源

從 lius-cc 道教知識庫（vault: concept/deity/scripture/ritual/paper/person）蒸餾。生成模型：

• —ChatGPT gpt-5.5-mini（主力）
• —Gemini 2.5 Fast / Flash（多源整合）

Pipeline

1. 1.Phase 1 蒸餾：vault → instruction/response pair（578k raw）
2. 2.Phase 2 清洗：
3. 3.critic_score ≥ 80 過濾
4. 4.長度過濾（instr ≥10 字、resp 80-2000 字）
5. 5.精確去重 + 語意去重（gemini-embedding-2, cos < 0.97）
6. 6.紅線檢查（醫療/命名/墓地/法事金額）→ 加 disclaimer
7. 7.邊緣 pair 改寫（80-85 → 90+ via flash-lite）

目標 base model

Qwen3.6-27B（原生 MTP heads，推理 2-3x 加速）。

格式

• —alpaca/: Alpaca format（axolotl 默認）
• —sharegpt/: ShareGPT format（llamafactory 推薦）

Stats

• —Total: 381667
• —Train: 362584
• —Val: 19083 (5%)

Disclaimer

僅供學術研究與 LLM 微調用途。任何道教實務（科儀、命理、法事）請諮詢專業道長。

License

CC-BY-NC-SA 4.0