Datasetpublic

tahsinahsen/birag-response-only-tr

BIRAG Turkish Response-Only Dialogues Türkçe Veri seti özeti BIRAG, bağımlılık alanında destekleyici, yargısız ve iyi oluş odaklı Türkçe asistan yanıtları için hazırlanmış sentetik bir diyalog veri setidir. Bu sürüm yalnızca response_only eğitim hedefini içerir: system ve user mesajları bağlam olarak kullanılır, eğitim kaybı assistant yanıtı üzerinde hesaplanır. Veri seti gerçek hasta kayıtlarından oluşmaz. Sentetik olması güvenlik, temsiliyet veya… See the full description on the dataset page: https://huggingface.co/datasets/tahsinahsen/birag-response-only-tr.

sourceHugging Facecc-by-4.0updated 2mo agoView on Hugging Face

0likes14downloads

Dataset Card

BIRAG Turkish Response-Only Dialogues

Türkçe

Veri seti özeti

BIRAG, bağımlılık alanında destekleyici, yargısız ve iyi oluş odaklı Türkçe asistan yanıtları için hazırlanmış sentetik bir diyalog veri setidir. Bu sürüm yalnızca response_only eğitim hedefini içerir: system ve user mesajları bağlam olarak kullanılır, eğitim kaybı assistant yanıtı üzerinde hesaplanır.

Veri seti gerçek hasta kayıtlarından oluşmaz. Sentetik olması güvenlik, temsiliyet veya klinik doğruluk garantisi sağlamaz.

Split’ler

Split	Records	Groups	Min tokens	Max tokens	SHA-256
train	1790	196	195	488	`aa3a64f120f6e4fba45956513c367a97645e6ae70fc0ce79602e70bd9925bd05`
validation	225	24	197	506	`649b4c14d035d5d8df120f4f781bcca38fb492676c148661e256bff61af25af7`
test	225	25	205	544	`3951e6aeaa9b8b40da44593e040c298bc907918081fe5a4060cc76cc310179b6`

Split üyelikleri önceden belirlenmiştir ve bu yayın sırasında yeniden oluşturulmamıştır. İlişkili kayıtların farklı split’lere sızmasını önlemek için source_group_id tabanlı grup ayrımı kullanılmıştır.

Alanlar

—id: Benzersiz örnek kimliği.
—messages: system, user, assistant sırasındaki taşınabilir diyalog.
—text: Gemma 4 chat template’iyle önceden render edilmiş eğitim metni.
—meta: Senaryo ve demografik nitelikler.
—scenario: Sentetik senaryo açıklaması.
—token_count: Hazırlama sırasında hesaplanan token sayısı.
—content_hash, normalized_content_hash: Bütünlük ve duplicate denetimi.
—source_group_id: Grup-temelli split kimliği.
—split: train, validation veya test.
—target: Bu yayın için daima response_only.

Başka bir model ailesiyle eğitim yapılacaksa messages alanı o modelin chat template’iyle yeniden render edilmelidir. Kaydedilmiş text alanı doğrudan başka model ailelerine taşınmamalıdır.

Kullanım

python

from datasets import load_dataset

dataset = load_dataset("tahsinahsen/birag-response-only-tr")

print(dataset)
print(dataset["train"][0]["messages"])