text
stringlengths 0
60
|
|---|
GLOBAL DATASET SUMMARY REPORT
|
============================================================
|
生成时间: 2026-01-22 10:29:47
|
随机种子: 42
|
DATASET OVERVIEW:
|
----------------------------------------
|
SFT_LARGE (大小: 49,152 行):
|
• Pass Rate 均值: 0.5020
|
• 平均 Token 数: 6457
|
• 95%分位 Token 数: 13951
|
RL (大小: 16,384 行):
|
• Pass Rate 均值: 0.5037
|
• 平均 Token 数: 6469
|
• 95%分位 Token 数: 13956
|
SFT_SMALL (大小: 16,384 行):
|
• Pass Rate 均值: 0.4992
|
• 平均 Token 数: 6460
|
• 95%分位 Token 数: 13968
|
============================================================
|
ORTHOGONALITY VERIFICATION:
|
----------------------------------------
|
✅ sft_large 与 rl: 100% 正交 (无重叠样本)
|
✅ sft_small: 100% 来自 sft_large (子集关系)
|
NEXT STEPS:
|
----------------------------------------
|
1. sft_large.jsonl → 用于主 SFT 训练
|
2. rl.jsonl → 用于强化学习数据集
|
3. sft_small.jsonl → 用于快速验证/小规模实验
|
4. 各数据集的 _report/ 目录包含详细分布分析
|
RL PASS RATE ANALYSIS
|
============================================================
|
生成时间: 2026-01-22 10:29:46
|
样本数量: 16,384
|
📊 关键统计指标:
|
• 平均值: 0.5037
|
• 中位数: 0.5312
|
• 最小值: 0.0000
|
• 最大值: 0.9688
|
• 标准差: 0.3597
|
• 95%分位数: 0.9688
|
RL DATASET SUMMARY
|
============================================================
|
生成时间: 2026-01-22 10:29:46
|
数据集大小: 16,384 行
|
PASS RATE STATISTICS:
|
• 平均值: 0.5037
|
• 中位数: 0.5312
|
• 95%分位数: 0.9688
|
TOKEN COUNT STATISTICS:
|
• 平均值: 6469
|
• 中位数: 5617
|
• 95%分位数: 13956
|
• 最大值: 17803
|
RL TOKEN COUNT ANALYSIS
|
============================================================
|
生成时间: 2026-01-22 10:29:46
|
样本数量: 16,384
|
上下文限制: 24,576 tokens (DeepSeek-R1)
|
📊 关键统计指标:
|
• 平均值: 6469
|
• 中位数: 5617
|
• 最小值: 574
|
• 最大值: 17803
|
• 标准差: 3760
|
• 95%分位数: 13956
|
SFT_LARGE PASS RATE ANALYSIS
|
============================================================
|
生成时间: 2026-01-22 10:29:44
|
样本数量: 49,152
|
📊 关键统计指标:
|
• 平均值: 0.5020
|
• 中位数: 0.5312
|
• 最小值: 0.0000
|
• 最大值: 0.9688
|
• 标准差: 0.3607
|
• 95%分位数: 0.9688
|
SFT_LARGE DATASET SUMMARY
|
============================================================
|
生成时间: 2026-01-22 10:29:45
|
数据集大小: 49,152 行
|
PASS RATE STATISTICS:
|
• 平均值: 0.5020
|
• 中位数: 0.5312
|
• 95%分位数: 0.9688
|
TOKEN COUNT STATISTICS:
|
• 平均值: 6457
|
• 中位数: 5631
|
End of preview. Expand
in Data Studio
No dataset card yet
- Downloads last month
- 41