Dataset Viewer
Auto-converted to Parquet Duplicate
id
stringlengths
11
11
task
stringclasses
1 value
source
stringclasses
1 value
content_type
stringclasses
1 value
length_tag
stringclasses
1 value
instruction
stringclasses
1 value
input
stringlengths
594
3.78k
cot
stringlengths
806
8.22k
output
stringlengths
1.92k
10.7k
target
stringlengths
465
2.88k
input_chars_nomark
int64
504
2.97k
target_chars
int64
465
2.88k
meta
unknown
v13s-000001
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化稿,每句末尾的【】里是jevnovel判定的“烂完了”概率(0到1,越高代表这句越烂),【NA】表示该句没有打分。请先像真人编辑一样,从前往后逐段分析哪些地方不好、为什么、打算怎么改,分析要自然,不要分点、不要markdown;分析完之后另起一段,直接输出改写后的完整正文。 本次任务是“保持长度”档:改写后正文的字数要与输入的劣化稿相近(按去掉【】标记后的字数算,约为原文的 0.9-1.1 倍),不要明显变短或变长。为了补足篇幅,可以在人设、情节、前文能够合理推断出来的地方补充环境、动作、神态、心理、感官细节;不得新增或改变情节,不得出现原文推断不出的设定、人物...
“他可是赵太后心尖尖上最最宝贝的那颗明珠啊,那种宠爱简直浓稠得化都化不开,把最最肥得流油的膏腴之地都封给了他,还塞给他数都数不清的、沉甸甸的鼎器重宝……【0.167】可谁又能料到呢,就在整整六十个春秋之前,那如狼似虎的秦军铁骑轰隆隆地碾过来,赵国急得火烧眉毛,赶紧向齐国哭求援兵,齐王却慢悠悠地开出了一个条件——非得拿长安君来当人质不可!【0.007】赵威后起初那个心疼啊,千百个不情愿,后来听了触龙那老头子一番絮絮叨叨的劝,才终于咬着牙把人送去了齐国,齐国的兵车这才姗姗出动,秦军也就灰溜溜地退了回去……”【0.009】 “哦——原来是这档子事啊。”【0.032】 胡亥那略显迟钝的脑子里,某个角落忽然亮了一下,他想起来了,赵高曾经用...
嗯,先通读一遍全文......这是一段历史小说题材的文段,写的是赵高拿《战国策》里“触龙说赵太后”的典故去点拨、恐吓胡亥,试图激起胡亥对秦始皇死后自己失去荣华富贵的恐惧,从而一步步引诱他走上夺嫡之路。整体看下来,这篇稿子最大的毛病就是非常典型的AI“老嫂子聊八卦”式语域错位,明明是先秦宫廷里赵高和秦二世之间极具政治阴谋张力的对话,结果通篇充斥着“心尖尖上”“肥得流油”“火烧眉毛”“灰溜溜”这种廉价的市井俚语,还有大量叠词、破折号和无意义的拟声词,把一段历史权谋戏写成了村口说书。同时,因为我们要把那些水分极大的口水话、车轱辘话砍掉,改写成精炼、有古意又不失通俗的历史小说语言,字数肯定会大幅缩水。这篇稿子原本有1633字,为了保持改后和...
嗯,先通读一遍全文......这是一段历史小说题材的文段,写的是赵高拿《战国策》里“触龙说赵太后”的典故去点拨、恐吓胡亥,试图激起胡亥对秦始皇死后自己失去荣华富贵的恐惧,从而一步步引诱他走上夺嫡之路。整体看下来,这篇稿子最大的毛病就是非常典型的AI“老嫂子聊八卦”式语域错位,明明是先秦宫廷里赵高和秦二世之间极具政治阴谋张力的对话,结果通篇充斥着“心尖尖上”“肥得流油”“火烧眉毛”“灰溜溜”这种廉价的市井俚语,还有大量叠词、破折号和无意义的拟声词,把一段历史权谋戏写成了村口说书。同时,因为我们要把那些水分极大的口水话、车轱辘话砍掉,改写成精炼、有古意又不失通俗的历史小说语言,字数肯定会大幅缩水。这篇稿子原本有1633字,为了保持改后和...
“他乃是赵太后的掌上明珠,太后宠爱至极,封之以膏腴之地,多予之重器,金玉珍玩,几乎予取予求。但六十年前,秦伐赵,攻势甚急,赵国向齐求救,齐王却开出条件:必以长安君为质,齐兵方出!赵威后爱子心切,最初说什么也不肯,大臣们轮番强谏,都被她骂了回去。后来,她纳了左师触龙之谏,才终于遣人备车百乘,送长安君入齐。齐军方出,秦军乃退……” 赵高说完便住了口,看着胡亥,等他接话。 “是这件事啊。” 胡亥一拍脑门,想起来了。这桩旧事,赵高从前教他读书时曾讲过。他天性不笨,只是平日懒于用功,此刻被一提点,那些字句便自己冒了出来。他颇有几分得意,遂接上赵高的话头,摇头晃脑道: “触龙当时对赵威后说,赵王之子孙,乃至于诸侯之公子王孙,能富贵三代者...
1,359
1,253
{ "cot_status": "ready", "tier": "A", "human_bad_per_k": 0, "target_bad_per_k": 93.7, "cleaned_bad_per_k": 0, "cleaned_from": "claude-expand target + spark/k3 二改", "human_chars": 739, "target_chars_orig": 1337, "cot_source": "k3-migrated-20261109", "cot_chars": 5931 }
v13s-000002
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化稿,每句末尾的【】里是jevnovel判定的“烂完了”概率(0到1,越高代表这句越烂),【NA】表示该句没有打分。请先像真人编辑一样,从前往后逐段分析哪些地方不好、为什么、打算怎么改,分析要自然,不要分点、不要markdown;分析完之后另起一段,直接输出改写后的完整正文。 本次任务是“保持长度”档:改写后正文的字数要与输入的劣化稿相近(按去掉【】标记后的字数算,约为原文的 0.9-1.1 倍),不要明显变短或变长。为了补足篇幅,可以在人设、情节、前文能够合理推断出来的地方补充环境、动作、神态、心理、感官细节;不得新增或改变情节,不得出现原文推断不出的设定、人物...
“公子——且容老仆把这段仿佛蒙着灰的陈年旧事,慢悠悠地、原原本本地剖给您听吧。”【0.015】 赵高叹了口气,袖口在帷影里轻轻一擦,发出极细的窸窣声:“那位长安君,功勋似乎是实打实摆在那里的——他归国之后不过几年,赵威后便撒手人寰;再到同年七月间……”【0.360】 “他的兄长赵孝成王,心里那股嫉恨像阴火一样烧着,表面偏要维持体面,暗地里却使人把毒下进药里,硬生生将长安君药杀——长安君一死,封地转眼被夺,诸子竟都落成庶民:有年纪小小便没了的,有力田务农的,有做买卖奔波的,还有流落异国、世世代代被压在隐官贱籍里抬不起头的!”【0.018】 赵高说得咬牙切齿,目光像两柄钝刀,缓慢又沉重地在胡亥脸上称量着:“恕老仆斗胆问公子一句——...
嗯,先通读一遍全文......这篇写的是秦始皇时期赵高拿赵长安君的旧事给胡亥洗脑、撺掇他夺嫡,最后胡亥等来随驾诏令的一段历史小说。整体看下来,AIGC那种装腔作势的毛病特别重,到处是滥用的破折号、无意义的衣物摩擦声、还有各种“似乎”“某种说不清”的模棱两可词。因为这次改写要求成品字数和原文保持在相近的量级,不能因为删掉AIGC废话就让文章大幅缩水,所以我在砍掉那些注水修饰语的同时,得挑几个关键位置,在对话的潜台词交锋、人物心理和具体生活细节上做合理扩充,把删掉的字数用扎实的人味儿补回来;至于那些可有可无的过渡动作,能省则省,绝不再添新的油腻。 先看第一句,“公子——且容老仆……”【0.015】。虽然jevnovel分数只有0.01...
嗯,先通读一遍全文......这篇写的是秦始皇时期赵高拿赵长安君的旧事给胡亥洗脑、撺掇他夺嫡,最后胡亥等来随驾诏令的一段历史小说。整体看下来,AIGC那种装腔作势的毛病特别重,到处是滥用的破折号、无意义的衣物摩擦声、还有各种“似乎”“某种说不清”的模棱两可词。因为这次改写要求成品字数和原文保持在相近的量级,不能因为删掉AIGC废话就让文章大幅缩水,所以我在砍掉那些注水修饰语的同时,得挑几个关键位置,在对话的潜台词交锋、人物心理和具体生活细节上做合理扩充,把删掉的字数用扎实的人味儿补回来;至于那些可有可无的过渡动作,能省则省,绝不再添新的油腻。 先看第一句,“公子——且容老仆……”【0.015】。虽然jevnovel分数只有0.01...
“让老仆告诉公子吧。” 赵高垂下眼皮,长长叹了口气,那口气像是从胸腔深处一点点挤出来的:“长安君有功于国,这是赵人都认的。可回到国内后,一直护着他的赵威后,没几年就逝世了。而是年七月……” “其兄赵孝成王嫉恨长安君,竟使人下毒,将其药杀!长安君死后,其封地被夺,诸子竟成庶民。年纪小小便死去者有之,背着耒耜力田为农者有之,挑担行商者有之,流落他国,世代为隐官贱籍、抬不起头来者,亦有之!” 赵高说得咬牙切齿,枯瘦的手指攥着袖口,指节泛白。他抬起头,目光直直逼向胡亥: “敢问公子,长安君明明有大功于国,却遭亲兄所杀。他当如何,才能避开这般惨境?” 胡亥被那目光钉在原处,脑中一片纷乱,嘴却比心快,下意识地答道:“他……他得自己做王...
1,662
1,525
{ "cot_status": "ready", "tier": "A", "human_bad_per_k": 0, "target_bad_per_k": 138.6, "cleaned_bad_per_k": 0, "cleaned_from": "claude-expand target + spark/k3 二改", "human_chars": 882, "target_chars_orig": 1773, "cot_source": "k3-migrated-20261109", "cot_chars": 5736 }
v13s-000004
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化稿,每句末尾的【】里是jevnovel判定的“烂完了”概率(0到1,越高代表这句越烂),【NA】表示该句没有打分。请先像真人编辑一样,从前往后逐段分析哪些地方不好、为什么、打算怎么改,分析要自然,不要分点、不要markdown;分析完之后另起一段,直接输出改写后的完整正文。 本次任务是“保持长度”档:改写后正文的字数要与输入的劣化稿相近(按去掉【】标记后的字数算,约为原文的 0.9-1.1 倍),不要明显变短或变长。为了补足篇幅,可以在人设、情节、前文能够合理推断出来的地方补充环境、动作、神态、心理、感官细节;不得新增或改变情节,不得出现原文推断不出的设定、人物...
轰隆——轰隆——【0.027】 雷劫再度砸落,她耐着性子咂摸了一遍。【0.059】某种难以言喻的停顿像薄冰一样铺开,四周尘屑悬在离地半寸处,连她睫毛上的雷光都忘了坠落。【0.734】焦味混着刺痛又把生理性眼泪顶出来一点,袖口焦痕被汗水一浸,在布料上洇开一片灰黑色。【0.388】她心里那座算盘噼啪一响:这雷再这么打折,怕是连当铺都不肯收。【0.633】云雀子:“……”【0.036】 好家伙,档位果然滑下去了:先前还挂着七品中等标签的魔劫,如今撑死也就七品初。【0.072】这样的挠痒式攻击,她哪怕把防御全撤、再带一身重伤,也照样死不了。【0.064】“放着现成的硬菜不夹,偏来啃这盘没放盐的豆腐,这买卖亏到姥姥家了。”【0.152】云...
嗯,先通读一遍全文……这篇稿子底子其实是个挺逗的修真搞笑桥段,讲云雀子渡七晋八的魔劫,嫌雷劫威力太弱没排面,想拉个被封印在碎纸片里的“银票道友”一起挨劈加难度。但现在这版文字实在太灾难了,一眼扫过去全是浓得化不开的AI味儿。最要命的是作者好像中了某种复读机魔咒,通篇都在那儿“洇开一片xx色”、“逼出生理性眼泪”,还有各种“时间停滞、空气凝固”的烂俗比喻,每一段都要来上一整套,看得人脑仁疼。而且这次改写有个硬性要求,就是改完之后的字数得跟现在这版(1970字左右)保持在相近的量级,大概得落在1433到1752字之间,不能因为删掉这些废话八股就让文章明显缩水。这就意味着我一边得拿大砍刀把那些高频复读的AI烂梗剁干净,一边还得顺着人物心理...
嗯,先通读一遍全文……这篇稿子底子其实是个挺逗的修真搞笑桥段,讲云雀子渡七晋八的魔劫,嫌雷劫威力太弱没排面,想拉个被封印在碎纸片里的“银票道友”一起挨劈加难度。但现在这版文字实在太灾难了,一眼扫过去全是浓得化不开的AI味儿。最要命的是作者好像中了某种复读机魔咒,通篇都在那儿“洇开一片xx色”、“逼出生理性眼泪”,还有各种“时间停滞、空气凝固”的烂俗比喻,每一段都要来上一整套,看得人脑仁疼。而且这次改写有个硬性要求,就是改完之后的字数得跟现在这版(1970字左右)保持在相近的量级,大概得落在1433到1752字之间,不能因为删掉这些废话八股就让文章明显缩水。这就意味着我一边得拿大砍刀把那些高频复读的AI烂梗剁干净,一边还得顺着人物心理...
轰轰轰~~ 紫黑色的雷光从劫云中倾泻而下,一道接一道砸在云雀子身上,炸开的魔气翻滚成团,把她整个人都淹没在里面。 她掂了掂这道雷的分量。 云雀子:“……” 威力还真的降低了。原本应该是七品中等威力的魔劫,现在最多只有七品初等的水准。雷光看着吓人,砸下来软绵绵的。 这种弱鸡一样的攻击,她就算放弃所有的防御,再加上身受重伤,都死不了。 “后悔了。”云雀子喃喃道。 明明现世的天劫那么棒,一道比一道狠,一波比一波花样多,她却脑子一抽,想着换个口味尝尝鲜,跑来渡这弱鸡一样的‘魔劫’。结果呢?一点意思都没有。 她索性就这样盘膝坐在半空中,一手托着腮,任由‘魔劫’在身上噼里啪啦地轰炸。 连防御都不用开的魔劫,还渡个屁啊? “这...
1,593
1,512
{ "cot_status": "ready", "tier": "B", "human_bad_per_k": 0, "target_bad_per_k": 127.1, "cleaned_bad_per_k": 7.7, "cleaned_from": "claude-expand target + spark/k3 二改", "human_chars": 840, "target_chars_orig": 1626, "cot_source": "k3-migrated-20261109", "cot_chars": 4963 }
v13s-000005
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化稿,每句末尾的【】里是jevnovel判定的“烂完了”概率(0到1,越高代表这句越烂),【NA】表示该句没有打分。请先像真人编辑一样,从前往后逐段分析哪些地方不好、为什么、打算怎么改,分析要自然,不要分点、不要markdown;分析完之后另起一段,直接输出改写后的完整正文。 本次任务是“保持长度”档:改写后正文的字数要与输入的劣化稿相近(按去掉【】标记后的字数算,约为原文的 0.9-1.1 倍),不要明显变短或变长。为了补足篇幅,可以在人设、情节、前文能够合理推断出来的地方补充环境、动作、神态、心理、感官细节;不得新增或改变情节,不得出现原文推断不出的设定、人物...
夜色像是被那点酒意泡得发软,某种说不清道不明的、近乎本能的亢奋依然沉在四肢百骸里——那是白天动手时留下的余温,滚烫、迟钝、又带着几分不真实的麻。【0.473】冲过澡,把姜禾那头湿漉漉的头发一缕缕吹干,许青整个人便仿佛被抽走了最后一根骨头,困意一层一层地漫上来,几乎要把眼皮压塌。【0.408】 “睡了啊,晚安。”【0.016】 他随口丢下这么一句,语气轻得算不上叮嘱……【0.639】抬手摁灭客厅那盏灯,转身回房,pia地一下把自己摔进床里,意识在同一瞬间彻底沉底,连一点回旋的余地都没有。【0.663】 姜禾在昏得只剩个轮廓的客厅里站了片刻——月光从窗外淌进来,凉凉的,像谁在地上铺了薄薄一层霜——才循着那点微光摸回自己屋,在床边坐...
嗯,先通读一遍全文......这篇稿子写的是许青和姜禾的一段日常,前一天夜里许青喝了酒、动过手,回来洗完澡帮姜禾吹干头发就倒头睡了,姜禾半夜偷偷拿手机查“晚安”的意思,听到了一首歌;第二天许青睡到很晚起来去买早饭,姜禾趁他不在查“女朋友”和“这个世界有没有鬼”,最后许青带早饭回来两人一起吃。整体情节很清楚,是个带点反差萌的温馨日常,姜禾明显是个对现代社会和电子产品不太熟悉的姑娘。但是原稿的AI味儿实在太冲了,尤其是开头前几段,用jevnovel分数一看,好几个句子直接飙到0.4以上甚至0.6以上,全是那种浓墨重彩的伪文学腔和典型AI八股。而且这次改写有个硬性要求,改后字数要落在1160到1417字左右,跟原稿保持在相近的量级,不能因...
嗯,先通读一遍全文......这篇稿子写的是许青和姜禾的一段日常,前一天夜里许青喝了酒、动过手,回来洗完澡帮姜禾吹干头发就倒头睡了,姜禾半夜偷偷拿手机查“晚安”的意思,听到了一首歌;第二天许青睡到很晚起来去买早饭,姜禾趁他不在查“女朋友”和“这个世界有没有鬼”,最后许青带早饭回来两人一起吃。整体情节很清楚,是个带点反差萌的温馨日常,姜禾明显是个对现代社会和电子产品不太熟悉的姑娘。但是原稿的AI味儿实在太冲了,尤其是开头前几段,用jevnovel分数一看,好几个句子直接飙到0.4以上甚至0.6以上,全是那种浓墨重彩的伪文学腔和典型AI八股。而且这次改写有个硬性要求,改后字数要落在1160到1417字左右,跟原稿保持在相近的量级,不能因...
晚上喝了点酒,打人的时候又本能地亢奋了一阵,这会儿热水澡一冲,再帮姜禾把头发吹干,那股劲儿便泄了下去,许青只觉得眼皮发沉,浑身都有些乏了。 “晚安,早点睡。” 他把吹风机的线绕好塞回抽屉,随口嘱咐一句,顺手关了客厅的灯,趿着拖鞋回房,pia地一下扑到床上,连被子都没扯好,便直接睡了过去。 姜禾在暗摸摸的客厅里站了片刻,发梢还带着吹风机留下的温热。她听着那扇门后很快没了动静,才借着窗外漏进来的月光,轻手轻脚地回了自己屋。 她坐在床边,摸出手机,又摸出那根细细的线,对着插孔比了两下,小心翼翼地给它充上电。其实电量还剩很多,可她总忘不了上次那样,屏幕说黑就黑,怎么按都没反应,吓得她以为把东西弄坏了。 屏幕亮起来,幽幽的光照在脸上...
1,289
1,405
{ "cot_status": "ready", "tier": "C", "human_bad_per_k": 0, "target_bad_per_k": 102.8, "cleaned_bad_per_k": 26.3, "cleaned_from": "claude-expand target + spark/k3 二改", "human_chars": 947, "target_chars_orig": 1486, "cot_source": "k3-migrated-20261109", "cot_chars": 5194 }
v13s-000006
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
"你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化(...TRUNCATED)
"清晨的餐桌边,某种还带着热气的念头在姜禾脑子里来回翻涌——她几乎有(...TRUNCATED)
"嗯,先通读一遍全文……这篇写的是许青和刚从古代(开元年间)穿到现代(...TRUNCATED)
"嗯,先通读一遍全文……这篇写的是许青和刚从古代(开元年间)穿到现代(...TRUNCATED)
"一边吃着早餐,姜禾一边惦记着那件“正事”,恨不得把嘴里的包子三两口(...TRUNCATED)
1,923
1,587
{"cot_status":"ready","tier":"C","human_bad_per_k":0.0,"target_bad_per_k":176.6,"cleaned_bad_per_k":(...TRUNCATED)
v13s-000007
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
"你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化(...TRUNCATED)
"她开始胡思乱想,越想越觉得空气都变得不太对劲,眼看他一步步走近,仿(...TRUNCATED)
"嗯,先通读一遍全文......这是一篇很典型的恋爱轻小说日常桥段,讲的是男(...TRUNCATED)
"嗯,先通读一遍全文......这是一篇很典型的恋爱轻小说日常桥段,讲的是男(...TRUNCATED)
"梨香开始胡思乱想,眼看着他一步步走进来,下一秒就要扑上来了,她连忙(...TRUNCATED)
1,707
1,505
{"cot_status":"ready","tier":"A","human_bad_per_k":0.0,"target_bad_per_k":147.4,"cleaned_bad_per_k":(...TRUNCATED)
v13s-000008
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
"你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化(...TRUNCATED)
"远处那排钓鱼佬坐得整整齐齐,像被河岸线一颗颗钉在那里。【0.325】肖宇(...TRUNCATED)
"嗯,先通读一遍全文......这是一篇很生活流的日常片段,讲的是肖宇和秦广(...TRUNCATED)
"嗯,先通读一遍全文......这是一篇很生活流的日常片段,讲的是肖宇和秦广(...TRUNCATED)
"看着远处排排坐的钓鱼佬,肖宇眼中流露出羡慕的神采。\n\n“你说结婚到(...TRUNCATED)
1,073
1,158
{"cot_status":"ready","tier":"A","human_bad_per_k":0.0,"target_bad_per_k":15.4,"cleaned_bad_per_k":0(...TRUNCATED)
v13s-000009
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
"你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化(...TRUNCATED)
"“这饼子……【0.105】简直跟屎一样,哎呀!”【0.128】\n秦广林刚想把刚才(...TRUNCATED)
"嗯,先通读一遍全文......这篇文字一眼看过去,全篇都被极其严重的AI高频(...TRUNCATED)
"嗯,先通读一遍全文......这篇文字一眼看过去,全篇都被极其严重的AI高频(...TRUNCATED)
"“这是屎……哎呀!”\n\n秦广林正要故技重施,话才说了半截,手背上就(...TRUNCATED)
1,822
1,743
{"cot_status":"ready","tier":"A","human_bad_per_k":0.0,"target_bad_per_k":76.9,"cleaned_bad_per_k":0(...TRUNCATED)
v13s-000012
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
"你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化(...TRUNCATED)
"“某种说不清的层面上……【0.169】可不就是这样嘛,横竖也就这一趟罢了(...TRUNCATED)
"嗯,先通读一遍全文......这篇文字写的是一段非常日常、充满市井气息的慢(...TRUNCATED)
"嗯,先通读一遍全文......这篇文字写的是一段非常日常、充满市井气息的慢(...TRUNCATED)
"“是啊,就这一辈子。”许青附和着,学着赵叔的样子往椅背上一靠,两条(...TRUNCATED)
1,912
1,774
{"cot_status":"ready","tier":"A","human_bad_per_k":0.0,"target_bad_per_k":68.8,"cleaned_bad_per_k":0(...TRUNCATED)
v13s-000013
vkeep
claude-opus-5-5 + 4A-vkeep-cot
sfw
keep
"你是一位小说编辑,正在帮作者改文。下面这段小说片段是AIGC生成的劣化(...TRUNCATED)
"直播的那一个小时,像被某种潮湿又黏稠的冷光慢慢浸泡过去,等它终于结(...TRUNCATED)
"嗯,先通读一遍全文......这篇稿子整体看下来,剧情脉络其实很日常、很清(...TRUNCATED)
"嗯,先通读一遍全文......这篇稿子整体看下来,剧情脉络其实很日常、很清(...TRUNCATED)
"一个小时结束,直播间的人数最高时突破了五十个。屏幕右上角的数字一跳(...TRUNCATED)
1,102
1,105
{"cot_status":"ready","tier":"A","human_bad_per_k":0.0,"target_bad_per_k":87.0,"cleaned_bad_per_k":0(...TRUNCATED)
End of preview. Expand in Data Studio

YAML Metadata Warning:The task_categories "text2text-generation" is not in the official list: text-classification, token-classification, table-question-answering, question-answering, zero-shot-classification, translation, summarization, feature-extraction, text-generation, fill-mask, sentence-similarity, text-to-speech, text-to-audio, automatic-speech-recognition, audio-to-audio, audio-classification, audio-text-to-text, voice-activity-detection, depth-estimation, image-classification, object-detection, image-segmentation, text-to-image, image-to-text, image-to-image, image-to-video, unconditional-image-generation, video-classification, reinforcement-learning, robotics, tabular-classification, tabular-regression, tabular-to-text, table-to-text, multiple-choice, text-ranking, text-retrieval, time-series-forecasting, text-to-video, image-text-to-text, image-text-to-image, image-text-to-video, visual-question-answering, document-question-answering, zero-shot-image-classification, graph-ml, mask-generation, zero-shot-object-detection, text-to-3d, image-to-3d, image-feature-extraction, video-text-to-text, keypoint-detection, visual-document-retrieval, any-to-any, video-to-video, other

rewrite-v14-sfw · 中文小说改写 SFT 数据集

18,456 条「AIGC 劣化稿 → 改文思维链 → 改写正文」中文小说 SFT 数据。 rewrite3-27B / rewrite3-9B 的训练集就是这一版:train 17,545 / val 911。

输入是一段被标上「AI 八股分」的劣质小说片段,输出是「像真人编辑那样先分析、再动笔」的 改写结果。它不是续写数据,也不是自由创作数据:情节、人物、事件均保持不变,只重组语言、 压掉八股句式与注水描写。

一、任务定义

一条样本由三部分组成:

  1. 输入:AIGC 劣化稿 + 句级「烂完了」概率标记(【0.167】,来自 jevnovel3 0.8B), 末尾拼上「保持长度」档的改文指令(instruction 字段,与 INSTRUCTION.txt 一致);
  2. 思维链(cot):先像真人编辑一样通读、指出问题、说明打算怎么改,不分点、不用 markdown;
  3. 改写正文(target):按 CoT 的分析重写后的完整正文。

output 字段已经把 CoT 和正文拼好:cot + "\n</think>\n\n" + target,可以直接作为 assistant 回复喂给 SFT。

长度档位是保持长度(keep,0.9~1.1 倍);全库 length_tag = keep、content_type = sfw (已做 SFW 过滤)、task = vkeep。

二、字段说明

字段 类型 说明
id string 样本唯一 id(v13s-XXXXXX 系列)
task string 任务标记,本版全部为 vkeep
source string 生成来源标记(claude-opus-5-5 + 4A-vkeep-cot)
content_type string 内容分级,本版全部为 sfw
length_tag string 长度档位,本版全部为 keep
instruction string 改文指令(保持长度档,与 INSTRUCTION.txt 逐字一致)
input string 带【p_bad】标记的原文(指令 + 原文一起喂给模型)
cot string 编辑式改文思维链(不含 </think> 结尾)
target string 改写后的正文(最终学习目标)
output string cot + "\n</think>\n\n" + target,可直接当 assistant 回复
input_chars_nomark int 去掉【】标记后的原文字数
target_chars int 改写正文字数
meta object 审计信息(cot_status、tier、*_bad_per_k、cleaned_from 等),训练时可忽略

三、构建流程(简述)

  1. 劣化稿 + JEV 标注:用 jevnovel3 0.8B 对句子逐句打「烂完了」概率(取观感曲线末尾作为整句 p_bad),拼成「原句【0.167】」的形式;没有分数的句子标 【NA】。
  2. 扩写:以人类网文为参考,用 claude opus 5.5 做第一次细节扩写(集中加料描写,避开原文 无法推断的设定、人物、事件)。
  3. 多轮定点修改:扩写文可能自带八股,用 spark x 2.6(讯飞星火)定点修改 → 再打一次 jevnovel 分 → 用 kimi k3 做最后一轮修改,直到加料文的平均 JEV 分持平或优于人类原作。
  4. CoT 构建:把「八股类型 + 劣化稿 + jev 分数 + 最终加料文」交给 gemini 4 argon,反推出 编辑式分析过程,得到完整「看答案写过程」的 CoT 映射。
  5. 质量审计与剔除:用 JEV 0.8B 复核,剔除「实质单句(长度 ≥12 字、非引导句)p_bad > 0.3」 的样本;累计剔除 1,837 条(明细见 excluded.json)。
  6. 繁转简规范化:OpenCC t2s + 自定义词表保护(专名/术语/异体代词保留),原地覆盖; 行数、切分、CoT 结构与字数全部不变。

四、统计

行数

split 行数
train 17,545
val 911
合计 18,456

原始 v14(未审计)为 20,226 行;本版累计剔除 1,837 行: migration_failed 51、bad_tail 5、truncated_old_cot 11、jev_gt0.3_substantive 1,770。

CoT 字数

min 806 / p50 4,889 / p90 5,798 / p99 6,767 / max 8,220 / mean 4,962.5。

Token 统计(Qwen3.5 tokenizer)

序列 = instruction + input + cot + "\n</think>\n\n" + target + eos。

split 行数 p50 p90 p99 max 合计
train 17,545 4,683 6,540 8,006 10,050 87.8M
val 911 4,663 6,543 7,939 9,203 4.5M

max_length 截断丢弃比例(train):10,240 → 0%;9,216 → 0.09%;8,704 → 0.28%; **8,192 → 0.74%**;7,936 → 1.20%;7,680 → 1.78%;7,168 → 4.01%。

五、使用方法

数据就是两份 JSONL,不需要额外解包:

import json

def load(path):
    with open(path, encoding="utf-8") as f:
        return [json.loads(line) for line in f]

train = load("train.jsonl")
val = load("val.jsonl")

row = train[0]
prompt = row["instruction"] + row["input"]     # 训练时喂给模型的 prompt
answer = row["output"]                         # cot + "\n</think>\n\n" + target

SFT 建议(27B / LoRA):

  • max_length = 8192(只丢 0.74%),r = 32,1 epoch;
  • 学习率:27B 约 3e-5,9B 约 5e-5,4B 约 1e-4(大模型降 lr,避免冲掉写作能力);
  • 优化步数约 2,177 步(单卡 27B/72GB 实测约 52.5 小时,仅作量级参考)。

六、质量与审计

  • stats.json 里的检查全部通过:CoT 非空、output 与 target 一致、id 唯一、train/val 无交集;
  • CoT 完整性(raw 审计):0 尾标点异常、0 元信息泄漏;977 行有轻微嵌套引号不平衡;
  • 英语污染 0;正文行内 20 字重复 0 行;
  • 逐行审计记录见 excluded.json(只有 id + 剔除原因,不含正文)。

七、限制与负责任使用

  • 数据由人类网文片段 + 多个 AI 模型生成/改写组合而来,可能包含受版权保护的文本片段; 仅建议用于研究、个人实验与模型训练,商用/再分发前请自行确认合规性。
  • content_type = sfw 是过滤结果,不代表内容绝对安全;仍可能包含暴力、成人向边缘描写等。
  • 数据保留了生成模型的风格与偏好,可能带有模型自身的幻觉、观点或偏见;训练出的模型同样可能继承。
  • 请勿把本数据集或其衍生模型用于违法、侵权、冒充真人、生成误导信息等用途。

八、许可与引用

数据集采用 CC BY-NC 4.0(署名 — 非商业性使用) 许可。如需商用授权,请联系作者。

相关模型:rewrite3-27B (BF16 / FP8 / NVFP4 / GGUF 全系)、rewrite3-9B。

@misc{rewrite_v14sfw,
  title  = {rewrite-v14-sfw: Chinese Novel Rewriting SFT Dataset},
  author = {aikexue170},
  year   = {2026},
  note   = {18,456 rows; keep-length instruction; jevnovel3-0.8B scored}
}
Downloads last month
76