Datasets:
call_id string | duration_sec int64 | facts list | noise_level float64 | series dict | started_at timestamp[s] | turns list |
|---|---|---|---|---|---|---|
u101_00000:call0000 | 114 | [
{
"attribute": "action",
"confirmed": true,
"object": {
"id": "u101_00000:client",
"name": "Елене Викторовне",
"type": "client"
},
"polarity": 1,
"source": {
"quote": null,
"span": null,
"turn_idx": 7
},
"speaker": "client",
"valid_from": "2026... | 0.25 | null | 2026-05-19T17:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Здравствуйте, компания «СвязьСервис», меня зовут Елена Викторовна. Чем могу помочь?"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте, эээ вот, у меня подписка на сериалы, на прошло неделе работала норзащьно, потом… короче, звук отстаё... |
u101_00001:call0000 | 1,657 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00001:svc0",
"name": "переходящая домофония",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "она работала нормально, ну то есть всё было хорошо,",
"span": [
59,
... | 0.25 | null | 2026-02-02T15:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "Здравствуйте, это поддержка? Алло?"
},
{
"idx": 1,
"speaker": "operator",
"text": "Здравствуйте! Вы позвонили в техническую поддержку, меня зовут Елена Петровна. Чем могу помочь?"
},
{
"idx": 2,
"speaker": "client",
"text": "Да, Д... |
u101_00003:call0000 | 197 | [
{
"attribute": "action",
"confirmed": true,
"object": {
"id": "u101_00003:client",
"name": "Елен Петровна",
"type": "client"
},
"polarity": 1,
"source": {
"quote": null,
"span": null,
"turn_idx": 7
},
"speaker": "operator",
"valid_from": "2026-... | 0.25 | null | 2026-05-27T19:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "ну наконец-то! я тут с утра сижу, треть час."
},
{
"idx": 1,
"speaker": "operator",
"text": "здрафствуйте, вы позвонили в техническую поддержку, меня зофут марина анндеэвна. как вас можно представить?"
},
{
"idx": 2,
"speaker": "clien... |
u101_00005:call0000 | 95 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00005:ticket0",
"name": "заявка 5849",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": "заявка 5849 на прошлой неделе была принята, ваше обращение зафиксировали.",
"span": [
... | 0.25 | null | 2026-08-01T18:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Техническая поддержка, компания «СвязьСервис», Елена Петровна, слушаю вас."
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйти Это Марин Олеговна Слушайте у меня домашний интернет апять отсуливаются прям замахила эта хрень Я же уже звони... |
u101_00006:call0000 | 547 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00006:svc0",
"name": "рассрочка на смартфон",
"type": "service"
},
"polarity": 1,
"source": {
"quote": null,
"span": null,
"turn_idx": 1
},
"speaker": "client",
"valid_f... | 0.25 | {
"account_id": "u101_00006",
"call_index": 0,
"series_len": 2
} | 2026-01-24T18:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "здравствуйте вы позвонили в техническую оддержку меня зовут марин сергеевна слушаю вас"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте-здравствуйте. Это... Оля Викторовна я. Слушайте, у меня тут, эээ, расрочка на смартфон, и вот... в... |
u101_00006:call0002 | 236 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00006:svc0",
"name": "рассрочка на смартфон",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "помехи на каналах пошли.",
"span": [
167,
191
],
"turn_... | 0.25 | {
"account_id": "u101_00006",
"call_index": 1,
"series_len": 2
} | 2026-01-28T18:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Техническая поддержка, меня зовут Марин Сергеевна. Здравствуйте, слушаю вас!"
},
{
"idx": 1,
"speaker": "client",
"text": "Ой, ну наконец-то, здравствуйте, здравствуйте! Слушайти, я на прошлой неделе уж обращалась, и вот опять — у меня рассрочк... |
u101_00008:call0000 | 1,109 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00008:dev0",
"name": "сетевой коммутатор",
"type": "device"
},
"polarity": 1,
"source": {
"quote": "У меня сетевой коммутатор не подключаеца к сети,",
"span": [
14,
62
... | 0.25 | null | 2026-08-24T20:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Зврэввтпейте, компания «СвязьСити», меня зовут Катерина Сергеевна. Чем могу тиморь?"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте. У меня сетевой коммутатор не подключаеца к сети, три дня назад это началось. Я не понимаю, что проис... |
u101_00009:call0000 | 19 | [] | 0.25 | null | 2026-02-10T12:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "это, значит, управляющая компания? Ну то исть во дворе шюлыхёд, вот, никого не чистят, я —"
},
{
"idx": 1,
"speaker": "operator",
"text": "Здравствуйте, меня зовут Катирина Сергеевна, компания «СвязьСервис». Вы немхого не туда попали — мы операто... |
u101_00010:call0000 | 576 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00010:ticket0",
"name": "заявка 4534",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": null,
"span": null,
"turn_idx": 10
},
"speaker": "operator",
"valid_from":... | 0.25 | null | 2026-01-07T14:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Добрый день! Служба техподдержки «ГудЛюйн», миня короче зовут Петровна. Слушаю вас."
},
{
"idx": 1,
"speaker": "client",
"text": "здравствуйте, здрасьте... это, вот, я по заявке звоню. мне муж ещё с говорил спроси, мол, а я всё... эээ... ну, пр... |
u101_00011:call0000 | 2,250 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00011:svc0",
"name": "прибавка скорости",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "дамашний интехбет рапотает нормально, нареканий нет.",
"span": [
52,
10... | 0.25 | null | 2026-06-29T08:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Здравствуйте, компани «СвязьСервис», меня зовут Елен Петровна. Чем могу помочь?"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте, это самое… Оля Викторовна меня зовут. Слушайте, ну я уж не знаю, кому жаловаться. Везде кошмар один!"
... |
u101_00013:call0000 | 80 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00013:svc0",
"name": "подписка на аудиокниги",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "да, всё в порядке, подписка на аудиокниги активна.",
"span": [
16,
... | 0.25 | null | 2026-10-03T19:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "алло здравствуйте опорэтор это вы"
},
{
"idx": 1,
"speaker": "operator",
"text": "здравствуйте! вы звоните в цехжическую поддержку оператора оператора связи, меня зовут марин викторовна. слушаю вас."
},
{
"idx": 2,
"speaker": "client"... |
u101_00014:call0000 | 104 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00014:svc0",
"name": "конференц-связь",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "у меня конференц-связь работала нормально, всё хорошо было,",
"span": [
139,
... | 0.25 | null | 2026-10-15T12:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Компания «Оператор Связи», служба технической поддержки, меня зовут Мари Викторофна. Слушаю вас, доцрый день."
},
{
"idx": 1,
"speaker": "client",
"text": "Наканец-то живой человек! Я эээ... по вашей музыке полчаса слушала, робот этат ваш душны... |
u101_00016:call0000 | 67 | [
{
"attribute": "tariff",
"confirmed": true,
"object": {
"id": "u101_00016:client",
"name": "Марин Олеговна",
"type": "client"
},
"polarity": 1,
"source": {
"quote": "месяц назад у меня стоял Корпоративный",
"span": [
87,
125
],
"turn_... | 0.25 | null | 2026-03-09T18:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Добшый день, техническая поддержка, меня зовут Елена Викторовна. Чем могу помочь?"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте Это Марин Олеговна Я вот эээ по баллам хотела спросить по тарифу Слушайте месяц назад у меня стоял Корп... |
u101_00017:call0000 | 857 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00017:dev1",
"name": "двухдиапазонный роутер",
"type": "device"
},
"polarity": 1,
"source": {
"quote": "роутер пюмтюянно просит пароль от вай-фай",
"span": [
62,
103
... | 0.25 | null | 2026-03-15T18:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Зтравствуйте! Служба технической поддержки, меня зовут Мария Андреевна. Чем могу помочь?"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте, здравствуйте. Это Марь Сергевна. Слушайте, я уже не знаю чего ждать от вас. Вот у меня роутер —... |
u101_00018:call0000 | 1,376 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00018:svc1",
"name": "перенос минут между месяцами",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "До десятого числа работал нормально,",
"span": [
83,
119
... | 0.25 | {
"account_id": "u101_00018",
"call_index": 0,
"series_len": 2
} | 2026-06-16T17:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "Алло, здравствуйте, это поддержка? Ну, слушайте, у меня опять эта хрень с минуты..."
},
{
"idx": 1,
"speaker": "operator",
"text": "здравствуйте! вы позвонили в техническую потдержку, меня зовут марин андреевна. слушаю вас, что случилось?"
},
... |
u101_00018:call0002 | 71 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00018:ticket0",
"name": "заявка 5730",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": "она у вас была принята,",
"span": [
42,
65
],
"turn_idx": 3
... | 0.25 | {
"account_id": "u101_00018",
"call_index": 1,
"series_len": 2
} | 2026-06-19T17:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "Ну наконец-то дозвонилась! Зтравствуйте. Это Марина Сергеевна. Слушайте, у меня пакетный интернет — просто капец уже: то жабосиет, то... эээ.. пропадает. Я заявку на кжошлой неделе остафляла, и — тишина. Что там с ней?"
},
{
"idx": 1,
"speaker": "ope... |
u101_00022:call0000 | 477 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00022:ticket0",
"name": "заявка 5379",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": "ваша заявка шесть дней назат была принята",
"span": [
63,
104
],
... | 0.25 | null | 2026-03-18T11:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "здравствуйте! вы позвонили в ссишбу технической поддержки меня зовут елена викторовна слушаю вас"
},
{
"idx": 1,
"speaker": "client",
"text": "здравствуйте... эээ... это самае... мне вот смс пришло что там заявка какая-то закрыта, а я даже не п... |
u101_00023:call0000 | 694 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00023:dev0",
"name": "база радиотелефона",
"type": "device"
},
"polarity": 1,
"source": {
"quote": null,
"span": null,
"turn_idx": 2
},
"speaker": "operator",
"valid_fro... | 0.25 | null | 2026-07-31T14:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Здравствуйте компания «СхязьПмо» оператор Елина Петровна Слушаю вас"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте, это самое... Елена Петровна, меня зовут Елена Викторовна. У меня вот —"
},
{
"idx": 2,
"speaker": "opera... |
u101_00024:call0000 | 1,383 | [
{
"attribute": "action",
"confirmed": true,
"object": {
"id": "u101_00024:client",
"name": "Елене Викторовне",
"type": "client"
},
"polarity": 1,
"source": {
"quote": "То есть протирка сим-карты — не помогло, как было так и есть.",
"span": [
94,
... | 0.25 | null | 2026-06-04T08:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "служба технической поддержки, оператор марь сергевна. здравствуйте!"
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте Это Елена Викторовна У меня тут эээ вопрос по облачному хранилищу Даже не жалоба а скорее непанятка"
},
{
"id... |
u101_00025:call0000 | 662 | [
{
"attribute": "tariff",
"confirmed": true,
"object": {
"id": "u101_00025:client",
"name": "Катерина Сергеевна",
"type": "client"
},
"polarity": 1,
"source": {
"quote": "«Мой разтоцор» был активен ещё в прошлом месяце,",
"span": [
29,
77
],... | 0.25 | null | 2026-01-13T18:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Здравствуйте! Компания «Мобайл Дор» служба поддержки оператор Марин Андреевна Чем могу помочь"
},
{
"idx": 1,
"speaker": "client",
"text": "наконец-то жифой человек! я сорок минут на линии провисела сорок минут! это уже издевательство ну здравс... |
u101_00027:call0000 | 74 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00027:ticket0",
"name": "заявка 5000",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": "на прошлой неделе заявка 5000 была принята,",
"span": [
51,
94
],
... | 0.25 | {
"account_id": "u101_00027",
"call_index": 0,
"series_len": 2
} | 2026-01-31T14:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Алло, служба технической пянжебжки, меня зовут Елена Петровна. Слушаю вас."
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте, это самое... Елена Петровна, добрый день. Слушайте, у меня спутниковое телевидение, то картинка зависает, то ... |
u101_00027:call0001 | 122 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00027:ticket0",
"name": "заявка 5000",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": "Заяфка 5000 прашла у вас как «принята»",
"span": [
16,
54
],
"t... | 0.25 | {
"account_id": "u101_00027",
"call_index": 1,
"series_len": 2
} | 2026-02-03T14:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Техническая поддержка, оператор Елена Петровна. Добрый день! Слушаю вас."
},
{
"idx": 1,
"speaker": "client",
"text": "Наконец-то дозвонилась. Здравствуйте. Это Марина Сергеевна. лушайте, я вот на прошлой неделе заявку еформала — и тишина! Блин... |
u101_00028:call0000 | 225 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00028:svc1",
"name": "мобильный интернет",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "на прошлой неделе он ещё рапотал нормально,",
"span": [
52,
95
]... | 0.25 | null | 2026-04-09T10:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "Компания «ПростоСвязь», оператор Марин Олеговна, здравствуйте. лушаю вас."
},
{
"idx": 1,
"speaker": "client",
"text": "наконец-то! Я тут полчаса вашу музыку слушаю, полчаса! У меня вообще всё сломалось, вы понимаете? Всё!"
},
{
"idx": ... |
u101_00030:call0000 | 957 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00030:ticket0",
"name": "заявка 5831",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": "с понедельника она была со статусом «принята».",
"span": [
86,
132
],... | 0.25 | null | 2026-02-28T13:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "Алло! Ну наконец-то дозвонилась! Это самое, здравствуйте, у меня проплема, уже со вторника звоню, всё занято, бапец просто."
},
{
"idx": 1,
"speaker": "operator",
"text": "Здравствуйте! Вы позвонили в техническую поддержку меня зовут Оля Викторов... |
u101_00031:call0000 | 139 | [
{
"attribute": "ticket_status",
"confirmed": true,
"object": {
"id": "u101_00031:ticket0",
"name": "заявка 4018",
"type": "ticket"
},
"polarity": 1,
"source": {
"quote": null,
"span": null,
"turn_idx": 4
},
"speaker": "operator",
"valid_from": ... | 0.25 | null | 2026-04-04T16:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "здравствуйте! вы позвонили в техпаддержку вашего оператора связи, меня зовут марина сергеывна, слушаю вас."
},
{
"idx": 1,
"speaker": "client",
"text": "Здравствуйте, это Марь Сергевна. Я, честно говоря, зфоню ругаться, ну, жалофаться, это само... |
u101_00032:call0000 | 1,649 | [
{
"attribute": "action",
"confirmed": true,
"object": {
"id": "u101_00032:client",
"name": "Анастасия Валерьевна Прохорова",
"type": "client"
},
"polarity": 1,
"source": {
"quote": "я уже проверяла на другом устрайстве — не помогло,",
"span": [
34,
... | 0.25 | null | 2026-01-25T17:00:00 | [
{
"idx": 0,
"speaker": "client",
"text": "алло, здравствуйте, ну наконец-то дозвонилась."
},
{
"idx": 1,
"speaker": "operator",
"text": "Здравствуйте! Вы позвонили в техническую поддержку меня зовут Марь Сергевна Слушаю вас"
},
{
"idx": 2,
"speaker": "client",
"text": "Ээ... |
u101_00034:call0000 | 141 | [
{
"attribute": "service_state",
"confirmed": true,
"object": {
"id": "u101_00034:svc1",
"name": "пакет познавательных каналов",
"type": "service"
},
"polarity": 1,
"source": {
"quote": "до вторника всё работало нормально",
"span": [
86,
120
... | 0.25 | null | 2026-08-03T09:00:00 | [
{
"idx": 0,
"speaker": "operator",
"text": "здравствуйте, вы позвонили в техническую поддержку, меня —"
},
{
"idx": 1,
"speaker": "client",
"text": "здравствуйте слушайте у меня блин терпение уже на исходе паке познавательных хяфэлов до вторника всё работало нормально а со колонка не от... |
Обучающие данные и воспроизводимость опубликованных моделей
Набор публикуется в Monyzik/compactfact-training-data.
Он содержит существовавшие файлы, а не заново сгенерированную разметку.
Хеши, происхождение каждого файла и проверки соответствия checkpoints находятся
в manifest.json; полный перечень контрольных сумм — в SHA256SUMS.json.
Публикация данных не является повторным обучением. Побайтовое воспроизведение весов заново не проверялось; optimizer/RNG state в этот набор не входит.
Какие данные действительно использовались
| Компонент | Сохранённый вход | Выбранный результат |
|---|---|---|
| FactSetNet Base semantic | 3 819 train, 284 CALIB, 303 SELECT; 22 764 записи временной разметки | Seed 42, эпоха 3 |
| FactSetNet Large | Те же файлы и хеши, семантическая инициализация | Seed 42, эпоха 3 |
| Tiny Fact/date encoder внутри Qwen | Те же 3 819 / 284 / 303, extended pool и нелинейный date encoder | Seed 42, эпоха 2 |
| Qwen states-SFT, родитель current | 5 948 входных звонков, 5 879 подготовленных states-примеров; dev input 137 с dev-limit=32 |
Seed 42, checkpoint 500 при расписании на 1 000 updates |
| Qwen current-SFT | Те же SFT-входы и labels; dev — 64 real-calib звонка | Seed 43, checkpoint 400 при расписании на 600 updates |
| Обучаемая голова дат | 4 419 входных train-звонков; после построения cache использованы 4 272; dev — 421 | Seed 42, эпоха 7 из 8 |
| Исходный Qwen primary LoRA | Ветка the_best_branch: 3 926 исходных звонков и 3 926 SFT-записей, код подготовки |
Доступны опубликованные веса epoch-1; точный первоначальный repaired-вход и trainer пока не подтверждены |
Эти наборы пересекаются. Складывать строки таблицы и объявлять сумму числом уникальных обучающих звонков всего ансамбля нельзя. Различаются также входные звонки, подготовленные task examples и реально использованные шаги.
Для Base, Large и Tiny SHA256 train, CALIB, SELECT и time-labels совпали
с метаданными опубликованных checkpoints. Для states-SFT совпали все шесть
хешей входов из сохранённого preparation.json. Current наследует
states-checkpoint500; происхождение этапов подтверждено сохранёнными командами.
Промежуточные relative-SFT эксперименты не объявляются частью выбранной цепочки.
Важная граница исходного Qwen
Ветка закреплена на 1a364cff461ee875498353fc2ba189b9586b1490. Её train и SFT
опубликованы как сохранённый legacy-источник, а не подменены новой версией.
Отдельно опубликованы записанный в ID-манифесте официальный train на 3 926 звонков
и исходная synthetic_v1 на 500: их полные файловые SHA256 совпали с этим манифестом.
Это файлы data/legacy-qwen/recorded-official-train.jsonl и
data/legacy-qwen/augmentation500.jsonl; текущий выпуск содержит 349 файлов.
В архивном перечне обучающих IDs отдельно записан train_repaired_v1.jsonl
с SHA256 1e7a320fab19d29188adfc0242d92edb4d7bdb65df22d2382af1a5b0d5c2479a.
Ни один из двух файлов ветки не имеет этого хеша. Первоначальный trainer
LoRA epoch-1 в ветке не найден. Поэтому воспроизведение первого LoRA от
одной Qwen base пока не закрыто; последующие этапы можно запускать от уже
опубликованного, закреплённого primary-адаптера.
Исходный primary видел часть звонков, позднее выделенных как FactSetNet dev. CALIB/SELECT для разных компонентов не образуют общий независимый тест ансамбля. Новый тест300 в этот обучающий выпуск не включён. Подготовленные позднее enrichment/merged6219 не приписываются опубликованному Large.
Структура HF-репозитория
data/factsetnet/ train, CALIB, SELECT, time-labels и teacher-anchor audit
data/qwen/ SFT-входы, временные labels, head train/dev, dev128 и IDs
data/legacy-qwen/ исходный train и SFT из закреплённой best-ветки
sources/ отдельные снимки кода Base, Large, Tiny и этапов Qwen
metadata/ исходные checkpoint metadata, preparation и команды
case/ каталог, схема и официальный оценщик
reproduce.py проверка хешей и переносимые команды обучения
manifest.json происхождение, количества, хеши и незакрытые ограничения
SHA256SUMS.json контрольные суммы всех файлов выпуска
Исходная supervised-разметка, данные организаторов и код сохраняют свои
условия использования. CODE_LICENSE относится к оригинальному коду проекта;
он не заменяет условия данных организаторов и pretrained-моделей.
Скачать точные версии
После скачивания проверяйте SHA256SUMS.json. Для архивирования конкретного
выпуска добавляйте к команде dataset --revision из квитанции в Git.
python -m pip install huggingface_hub
hf download Monyzik/compactfact-training-data --repo-type dataset \
--local-dir training-data
hf download Monyzik/qwen35-rubert-large-ensemble-balanced \
--revision 3af69050bc94dbb82e686765d1651e9d804ed27d \
--local-dir models/ensemble
hf download Monyzik/qwen35-states-calendar-v2 \
--revision 2a328f45fceae2be3874fd272431d9a47633d626 \
--include 'states/*' --local-dir models/states-parent
hf download Qwen/Qwen3.5-0.8B \
--revision 2fc06364715b967f1860aea9cf38778875588b17 \
--local-dir models/qwen-base
Qwen и FactSetNet требуют отдельных окружений Transformers/PEFT. В dataset
добавлены requirements-qwen-training.txt и requirements-fact-training.txt:
версии model snapshot дополнены NumPy/SciPy для обучения. Установите нужный
файл через python -m pip install -r training-data/requirements-fact-training.txt
или соответствующий Qwen-файл в другом окружении. Сборка PyTorch/CUDA должна
соответствовать оборудованию. Для ruBERT backbones
исходные ревизии не записаны в checkpoint metadata (backbone_revision=null):
перед повторением закрепите конкретный snapshot вместо плавающего model ID.
Проверить команды без обучения
По умолчанию reproduce.py только проверяет manifest и печатает команду.
Ни веса, ни модель при этом не загружаются. --execute явно запускает обучение.
Выходной каталог должен быть новым.
# В окружении FactSetNet; используйте --backbone для закреплённого snapshot.
python training-data/reproduce.py --data training-data \
--component large --output runs/large --backbone models/rubert-large
python training-data/reproduce.py --data training-data \
--component base-semantic --output runs/base --backbone models/rubert-base
python training-data/reproduce.py --data training-data \
--component tiny --output runs/tiny --backbone models/rubert-tiny2
# В окружении Qwen. Сохраняйте исходное расписание и выбирайте нужный checkpoint.
python training-data/reproduce.py --data training-data \
--component qwen-states --output runs/states \
--models models/ensemble --qwen-base models/qwen-base
python training-data/reproduce.py --data training-data \
--component qwen-current --output runs/current \
--models models/ensemble --qwen-base models/qwen-base \
--states-parent models/states-parent/states
# В окружении FactSetNet: сначала cache, затем обучение головы дат.
python training-data/reproduce.py --data training-data \
--component date-head --output runs/date-head --models models/ensemble
Дальше добавьте --execute к выбранной команде. Исходные schedules 1 000
и 600 нужно сохранить, даже если берётся checkpoint 500 или 400:
max-updates участвует в расчёте learning rate. Для Tiny выбирается эпоха 2,
для Base/Large — 3, для головы дат — 7. Результаты выбора записаны в metadata.
Feature caches головы дат не входят в выпуск: опубликованы их исходные звонки, замороженный extractor и команды построения. Подготовка cache требует forward Tiny, но не новой генерации Qwen. Изменение зависимостей, pretrained revision, backend или оборудования может изменить получившиеся веса и предсказания.
Статус воспроизводимости
Закрыто: доступ к сохранённым данным и supervision основных компонентов, разделения, хеши, выбранные checkpoints, snapshots и проверяемые команды этапов.
Остаётся: точный первоначальный repaired-file/trainer Qwen primary, полный запуск опубликованных рецептов с чистого окружения, первоначальные неуказанные ревизии ruBERT backbones и подтверждение численной повторяемости. Отсутствие optimizer/RNG snapshots отдельно ограничивает точное продолжение старого запуска. Публикация данных сама по себе не закрывает эти пункты.
- Downloads last month
- 119