Dataset Card for R1-Distill-SFT-zh-tw

本資料集是 ServiceNow-AI/R1-Distill-SFT 的台灣繁體中文（zh-TW）翻譯版，共 515,500 筆推理對話。每筆保留原始英文內容於 raw 欄位，方便對照與後續重新處理。

Dataset Details

Dataset Description

原始資料集是以 DeepSeek-R1 蒸餾產生的 SFT 語料，內容以數理推理為主，答案中含完整的思考過程。本資料集將其對話內容翻譯為台灣在地用語的繁體中文，目的是提供中文推理模型訓練所需的 long-CoT 語料。

• Curated by: 黃亮勳（Huang Liang Hsun）
• Language(s) (NLP): zh-TW（翻譯內容）、en（raw 欄位保留原文）
• License: cc-by-nc-sa-4.0（沿用上游 ServiceNow-AI/R1-Distill-SFT 的授權，禁止商業使用）

Dataset Sources

• Upstream dataset: ServiceNow-AI/R1-Distill-SFT（使用 v1 split 的 reannotated_messages 欄位）

Uses

Direct Use

• 訓練或微調繁體中文推理模型（long chain-of-thought SFT）
• 中英對照的推理語料研究：每筆都有 raw 英文原文，可作翻譯品質或跨語言推理的分析素材

Out-of-Scope Use

• 商業用途（授權為 CC BY-NC-SA 4.0）
• 直接作為事實知識來源。內容為模型生成的推理過程，未經人工查核，數學與事實錯誤都可能存在

Dataset Structure

資料以 Parquet 格式存放於 data/，共 11 個 shard、515,500 筆：

data/train-00000-of-00011.parquet
...
data/train-00010-of-00011.parquet

可直接載入：

from datasets import load_dataset
ds = load_dataset("lianghsun/R1-Distill-SFT-zh-tw", split="train")

每筆欄位：

欄位	型別	說明
system	string	系統提示，本資料集中固定為空字串
conversations	list<struct<from: string, value: string>>	翻譯後的對話，from 為 human 或 gpt
raw	list<struct<role: string, content: string>>	上游原始英文訊息

conversations 中的 gpt 回覆保留 <|begin_of_thought|>、<think> 等思考標記與 LaTeX 數學式。

Dataset Creation

Curation Rationale

繁體中文的 long-CoT 訓練語料稀少，且多數中文推理資料集使用中國大陸用語。本資料集以台灣用語為翻譯目標，補足這個缺口。

Source Data

Data Collection and Processing

1. 讀取上游 R1-Distill-SFT/v1 的 parquet 檔，取 reannotated_messages 欄位並隨機打散
2. 逐則訊息送 LLM 翻譯（Azure OpenAI GPT-4o，經自架 LiteLLM proxy 呼叫），system prompt 要求：
   • 輸出台灣繁體中文，用詞須符合台灣社會慣用語
   • 中英文與符號交雜時加上適當空格
   • 標點符號全形（英文句子內用半形）
   • 完整保留 <|begin_of_thought|>、<think> 等特殊標記
   • 完整保留 LaTeX 符號
3. 翻譯結果再經 OpenCC s2twp 轉換，統一為台灣正體用字與慣用詞
4. 角色欄位對應：user → human、assistant → gpt

Who are the source data producers?

上游資料由 ServiceNow AI 以 DeepSeek-R1 蒸餾產生；本資料集的翻譯由 GPT-4o 自動完成。

Personal and Sensitive Information

內容為數理推理題目與解答，未刻意收集個人資料。惟上游語料未經逐筆人工檢視，不排除偶發的個資殘留。

Bias, Risks, and Limitations

• 翻譯品質未經人工校對。 全部 515,500 筆皆為機器翻譯，可能有漏譯、誤譯、術語不一致，或 LaTeX / 思考標記在少數樣本中損壞
• 推理內容本身可能是錯的。 上游為模型蒸餾產物，思考過程與最終答案都未經驗證
• 繼承上游偏誤。 題目分布偏重數學與程式，其他領域覆蓋有限
• 翻譯用的 system prompt 含有「避免回答冒犯性內容」等指示，可能在少數樣本中影響翻譯的忠實度

Recommendations

建議使用者在訓練前自行抽樣檢查翻譯品質，並針對 <think> 標記的完整性做一次過濾。若需要嚴謹的正確性，應搭配答案驗證機制。

Citation

若使用本資料集，請一併引用上游資料集 ServiceNow-AI/R1-Distill-SFT。

Dataset Card Contact

透過 Hugging Face 上的 lianghsun 聯繫。