propozycja · linia v3 · czysta z konstrukcjiHistoryczny zapis badawczy
v3: czysty miks danych
To historyczny dokument z dawnej strony Slayer. Oryginalne daty, nazwiska i ustalenia zachowujemy dla kontekstu. Nie opisuje obecnych możliwości, zasad ani planów rozwoju. Narzędzia interaktywne i zgłoszenia nie działają w tym zrzucie.
Aktualny program badań → · Notatki badawcze →v2 nauczyło nas, jak wygląda skażenie train-splitami; v3 jest czyste z konstrukcji: benchmarki są wyłącznie miarą i blocklistą, każda warstwa przechodzi audyt verbatim, a wszystko, co weszło do treningu, da się wskazać co do rekordu. Claim publiczny: tylko held-out, 5-shot.
1 · Miks SFT
train_v3.jsonl · 2 239 przykładów · seed 42 · stan 2026-06-11
destylacja własna 46% · distill verified 17% · human PL 15% · EN retention 22%
1022
374
344
499
46% · 1022 ex
Destylacja własna — 10 zdolności
Teacher (deepseek-v4-pro) WYMYŚLA różnorodne przykłady uczące umiejętności stojących za zadaniami PL: sentyment, temat, parafraza, NLI, poprawność QA, rozumienie tekstu, moderacja, nazwy własne, oceny recenzji plus instrukcje ogólne. Naturalne, zmienne sformułowania — nigdy format ani treść benchmarków.
sentiment 111 · topic 120 · paraphrase 98 · nli 104 · qa_correctness 116 · reading 117 · toxicity 125 · ner 25 · rating 106 · general 100
17% · 374 ex
Distill, frakcja zweryfikowana
Zewnętrzny zbiór destylacji (Apache-2.0). Surowy miał 51% poważnych błędów faktograficznych, więc każdy rekord ocenił niezależny otwarty sędzia; do miksu wchodzą wyłącznie przykłady z czystymi faktami i naturalną polszczyzną (4 091 z 9 769 w puli). Werdykty per rekord opublikowane do audytu.
źródło: distill_external · sędzia: Qwen3.5-122B (open) · pula verified: 4091
15% · 344 ex
Human PL + styl
Ludzkie polskie instrukcje (Aya, OASST2) plus nasz re-judged zbiór stylu w wersji rozłącznej z holdoutem ewaluacji (wyciek 85 promptów wykryty audytem i usunięty zanim cokolwiek trenowaliśmy).
aya_pl_human 124 · oasst2_pl_human 96 · qwen_raw_teacher_rewrite (styl, holdout-disjoint) 124
22% · 499 ex
EN retention — anty-zapominanie
Osiem podzbiorów Tulu 3 (odc-by): matematyka, kod, nauka. Pilnuje, żeby tuning polski nie zjadał kompetencji bazowych; czytane razem z gate'ami regresji (MMLU, ARC, GSM8K, HumanEval, Δ ≥ −0.5 pp).
personahub_math 77 · personas-code 74 · math-grade 73 · gsm8k 66 · numinamath 66 · algebra 62 · evol_code 62 · sciriff 19
2 · Warstwa wiedzy (CPT, osobny tor)
szczegóły i hipotezy: /wiedza
entigraph
10M tokenów · 92k doków
Fakty z 6.5k artykułów PL-focus zmultiplikowane w relacje, parafrazy, streszczenia i QA. ~100k faktów.
graf 2-hop
2k doków kompozycyjnych
Graf 274k encji / 2M krawędzi; ścieżki A→ · B→ · C dają pomosty i wielohopowe QA (wiedza składana, nie odtwarzana).
ZPE
60k+ akapitów egzaminacyjnych
Rządowe e-materiały (podstawa programowa) w kolejce do multiplikacji: materiał dokładnie pod LLMzSzŁ.
Kolejność treningu (V3_PROPOSAL): wiedza (CPT, high-rank QLoRA) → umiejętności (SFT, miks wyżej) → preferencje (DPO na parach on-policy ocenianych otwartym sędzią; pula par stylu: 1 581). Każdy etap z probe'em wiedzy i gate'ami regresji przed przejściem dalej.
3 · Bramki jakości
co musiał przejść każdy rekord
[1] · Zero benchmarków. Twardy bezpiecznik w assemblerze: jakiekolwiek źródło KLEJ-owe w puli przerywa budowę miksu. · forbidden-sources guard
[2] · Audyt verbatim 8-gram vs wszystkie zbiory testowe i held-outy (328k n-gramów). Złapał m.in. 9% kolizji w syntetycznych MCQ i wyciek 85 promptów stylu. · decon_audit.py
[3] · Weryfikacja faktów zewnętrznych danych otwartym sędzią, rekord po rekordzie; odpadło 51% zbioru distill. · verify_external_sft.py
[4] · Filtr stylu: nadużycie myślników wycina rekord (AI-tell); 229 przykładów odpadło z miksu. · dash-rate ≤ 1.5/100 słów
[5] · Dedup promptów między warstwami + balans per źródło (cap, żaden podzbiór nie dominuje). · sha1 + per-source cap
[6] · Provenance per rekord: źródło, teacher, sędzia i ścieżka grafu zapisane przy każdym przykładzie; raport miksu publikowany. · train_v3_mix_report.json
Status: miks SFT i warstwa wiedzy gotowe; trening v3 jeszcze nie wystartował. Pełne dane, werdykty sędziów i lineage w wewnętrznym repo datasets (dostęp do audytu na życzenie); metodologia i karty benchmarków: /benchmarks.