ceselder/loracle-multidoc-qa

---
configs:
- config_name: default
data_files:
- split: train
path: "data/train.parquet"
- split: dpo_heldout
path: "data/dpo_heldout.parquet"
- split: test
path: "data/test.parquet"
---

# ceselder/loracle-multidoc-qa

Per-LoRA train / dpo_heldout / test split. Splits are disjoint on `prompt_id` —
all QA rows for a given LoRA stay in the same split.

| Split | Rows | Unique `prompt_id` |
|---|---:|---:|
| train | 8088 | 2696 |
| dpo_heldout | 300 | 100 |
| test | 300 | 100 |

Split ID manifest (exhaustive): `data/split_ids.json`.

Generated by `scripts/split_hf_datasets.py` with `seed=42`.

---
configs:
- 配置名: default
数据文件:
- 划分集: train
路径: "data/train.parquet"
- 划分集: dpo_heldout
路径: "data/dpo_heldout.parquet"
- 划分集: test
路径: "data/test.parquet"
---

# ceselder/loracle-multidoc-qa

基于单LoRA的训练集、dpo_heldout集与测试集划分。各划分集以`prompt_id`（提示ID）为基准实现无重叠：属于同一LoRA的所有问答（QA）样本行均归属至同一个划分集。

| 划分集 | 样本行数 | 唯一`prompt_id`数 |
|---|---:|---:|
| 训练集 | 8088 | 2696 |
| dpo_heldout | 300 | 100 |
| 测试集 | 300 | 100 |

完整划分集ID清单存储于`data/split_ids.json`文件中。

本数据集由`scripts/split_hf_datasets.py`脚本以随机种子42生成。