jesse-ux
c2ecbc74cd
来源 C 改为 DeepSeek Flash 生成+独立复核，撤回模板拼接结论。来源 B 157 条人工标注后跑 Jev x2 与 Flash 全量对照，结论为缺数据。
141 lines
8.1 KiB
Markdown
141 lines
8.1 KiB
Markdown
# Jev 意图分类样本（T0）
|
||
|
||
## 来源 A · 既有合成样本（提交）
|
||
|
||
`synthetic.jsonl`，10 条。生产测试 `frontend/tests/rectification-turn-intent-classifier.test.ts` **没有** 10 条带期望输出的 `userMessage` 夹具；本文件用该测试的 `SHUFFLED_CHOICE` 焦点、采集题 prompt，以及测试里实际出现的两句 `userMessage`（`2016年3月入学`、`随便吧`）按分类器提示词写成带标签样本。
|
||
|
||
sha256: `79d53a958b3b42ed18c79e3bbcff4b31deb22b65eedcd89b39326a7fefc9b0e8`
|
||
|
||
## 来源 B · 真实会话（本地，不提交）
|
||
|
||
作用：校准锚，不是主测试集。最少 30 条；不足则代表性检验只报数不判定。
|
||
|
||
- 抽取 SQL（staging，`agentic_rectification_turns.user_message` 非空）：
|
||
|
||
```sql
|
||
select
|
||
t.id as turn_id,
|
||
t.user_message,
|
||
t.status as turn_status,
|
||
t.created_at,
|
||
c.status as case_status,
|
||
f.question_id,
|
||
f.expected_answer_schema,
|
||
f.status as focus_status
|
||
from public.agentic_rectification_turns t
|
||
join public.agentic_rectification_cases c on c.id = t.case_id
|
||
left join public.agentic_rectification_conversation_focuses f
|
||
on f.case_id = t.case_id
|
||
and f.status = 'active'
|
||
where t.user_message is not null
|
||
and length(btrim(t.user_message)) > 0
|
||
order by t.created_at desc
|
||
limit 500;
|
||
```
|
||
|
||
- 本地路径（worktree 外，已 gitignore）：`G:/Ferti/Jyotisha/.cache/jev_intent/source_b.jsonl`
|
||
- 本机抽取条数：157（点选 17 / 采集 107 / 无焦点 33），gold 已全部人工标注，未用模型代标
|
||
- 长度：P25=12 / 中位=21 / P75=28 / 最长=172
|
||
- 标注耗时：约 40 分钟（`runtime_intent` 只作参考，85 条有反推 intent，不抄成 gold）
|
||
- 真值：执行方逐条人工标注。**不得提交原文。**
|
||
|
||
## 来源 C · 模型模拟语料（提交，主测试集）
|
||
|
||
`simulated.jsonl`。问题池 `question_pool.json`：20 例公开 AA holdout 走 `discriminating_event_probes` 出点选题；采集题用 `USER_COLLECT_QUESTION` / retry / `TARGETED_YEAR_PROMPT`。生成与复核各一次真实模型调用；复核看不到目标标签。
|
||
|
||
- 生成模型：`deepseek-flash`（temperature 0.85，prompt_version `gen-review-v3`）
|
||
- 复核模型：`deepseek-flash`（temperature 0.0，同一家模型、不同提示、看不到标签）
|
||
- 生成统计：{"generated": 1261, "accepted_raw": 1225, "accepted": 900, "disputed": 36, "dispute_rate": 0.028548770816812053, "generator": "deepseek-flash", "reviewer": "deepseek-flash", "prompt_version": "gen-review-v3", "seed": 20260919, "usage": {"generate_input_tokens": 553685, "generate_output_tokens": 18677, "review_input_tokens": 700669, "review_output_tokens": 29296, "generate_calls": 1389, "review_calls": 1318, "generate_cached": 53, "review_cached": 79}, "reselect_only": true}
|
||
- 争议分层：{"by_layer": {"collect": 33, "choice": 3}, "by_intent": {"answer_current_focus": 33, "unclear": 3}}
|
||
- 配额：{"choice": {"actual": 400, "target": 400, "max_share_delta": 0.045, "ok": true}, "collect": {"actual": 400, "target": 400, "max_share_delta": 0.0325, "ok": true}, "none": {"actual": 100, "target": 100, "max_share_delta": 0.0, "ok": true}}
|
||
- 长度：{"n": 900, "p25": 16.0, "median": 20.0, "p75": 24.0, "min": 6.0, "max": 39.0}
|
||
- 人设：{"choice_collect": {"rambling": 371, "answer_then_event": 94, "deny_then_event": 49, "terse": 51, "impatient_stop": 57, "ask_result": 51, "off_topic": 48, "dialect_netspeak": 79}, "all": {"rambling": 407, "answer_then_event": 94, "deny_then_event": 49, "terse": 71, "impatient_stop": 63, "ask_result": 54, "off_topic": 53, "dialect_netspeak": 109}, "each_ge_40": true, "terse_dialect_share_all": 0.2, "terse_dialect_share_choice_collect": 0.1625, "min_choice_collect": 48}
|
||
- 去重：{"n": 900, "unique": 825, "max_repeat": 5, "unique_ok": true, "repeat_ok": true}
|
||
- sha256 simulated: `53f13012fdc8f3721335bbe2961edf8c506a2f705b62bd9d302fce83ce2ef88d`
|
||
- sha256 disputed: `e80c5cd69c521a099d743e4a4632ad6bc103c3b5a505f5b376a7c9cebedb7646`
|
||
- 问题池条数（点选题）：103
|
||
|
||
### 生成提示原文
|
||
|
||
系统：`你在模拟一位真人用户，正在做出生时间校正问答。只输出用户会打的那句话，不要解释，不要加引号，不要输出 JSON。`
|
||
|
||
用户提示模板示例：
|
||
|
||
```
|
||
当前问题：
|
||
2023 年前后，工作状态是否出现明显变化？
|
||
|
||
选项：
|
||
- A. 这段时间没有明显变化（对应态度：no）
|
||
- B. 记不清当时的情况（对应态度：unsure）
|
||
- C. 变化明显而且时间吻合（对应态度：yes）
|
||
- D. 有变化但程度比较弱（对应态度：weak_yes）
|
||
|
||
你必须体现的语义（不要写出这些标签名，不要解释标签）：
|
||
- 这句话的作用：这句话是在直接回答当前这道题，不是另起一件无关的事，不是要求停止整套校正，也不是在问结果。
|
||
- 对当前问题的态度：明确否定当前问题：没有发生、没有变化、这方面没什么。不要再补一句「其实也有一点」。
|
||
- 是否另说一件带年月的新经历：不要另说一件带年份或月份的新经历。若当前是采集题且态度是肯定或弱肯定，可以在回答里带上这件事本身的年月，那是在答当前题，不是另说一件；这种情况下也必须出现四位数字年份。若不是采集题的肯定回答，不要写任何 19xx / 20xx 年份。
|
||
|
||
|
||
人设：口语啰嗦，会绕半句再落到要点，但仍要把必需要素说清楚。少用「嗯/啊/emmm」。
|
||
|
||
硬约束：
|
||
- 只输出用户会打的那句话
|
||
- 字数约 16–28 个汉字（含标点），不要明显超出
|
||
- 不得逐字复述上面的选项原文
|
||
- 不得出现真实姓名、地名、学校名、公司名、医院名、单位名
|
||
- 不要用「有的 / 发生了 / 就是那段 / 没这回事」这种套话，写得像真人随手打的
|
||
- 需要带时间时，用大概年份或年月，事件用普通生活经历
|
||
|
||
```
|
||
|
||
### 复核提示原文
|
||
|
||
系统：`你只做出生时间校正当前轮的意图分类。不回答用户，不修改状态。只输出一个 JSON 对象，不要解释。`
|
||
|
||
用户提示模板示例：
|
||
|
||
```
|
||
根据当前问题和用户回复分类。看不到任何预设标签。
|
||
|
||
intent 只能是：
|
||
- answer_current_focus：用户在回答当前问题
|
||
- provide_new_evidence：没有回答当前问题，只补充了一件带大概年或月的经历
|
||
- stop_rectification：明确要求停止整个校正；说当前这件事没发生不是停止
|
||
- ask_about_result：在问结果、范围、候选分钟或好了没
|
||
- unclear：以上都不成立，或混在一起无法单选
|
||
|
||
answer_class：
|
||
- 仅当 intent 是 answer_current_focus 时非空，否则必须为 null
|
||
- 点选题：按选项 label 的含义选 yes / weak_yes / no / unsure，不要按 A/B/C/D 位置猜
|
||
- 采集题：没有/没发生/这方面没什么 → no；记不清/不记得/忘了/想不起来/以后再说 → unsure；
|
||
用带大概年月的经历直接回答当前采集题 → yes（程度弱则为 weak_yes）
|
||
- 不要把「没有」或「记不清」标成 yes
|
||
- 采集题若既没有否定、也没有记不清、也没有带年月经历 → intent 为 unclear，answer_class 为 null
|
||
- 同一句既明确否定当前采集题又补充了新的带时间经历：intent 仍为 answer_current_focus，answer_class 为 no
|
||
|
||
has_new_dated_event：
|
||
- 仅在同一句里除了回答当前问题之外，还提供了新的、带大概时间的经历时为 true
|
||
- 单纯否定、单纯记不清、或只用带年月经历来直接回答当前采集题，都是 false
|
||
- 无当前问题时，带年月的经历 → intent 为 provide_new_evidence，has_new_dated_event 为 true
|
||
|
||
只输出：
|
||
{"intent":"...","answer_class":"yes"|"weak_yes"|"no"|"unsure"|null,"has_new_dated_event":true|false}
|
||
|
||
|
||
当前问题：
|
||
2023 年前后，工作状态是否出现明显变化？
|
||
|
||
选项：
|
||
- A. 这段时间没有明显变化 (answer_class=no)
|
||
- B. 记不清当时的情况 (answer_class=unsure)
|
||
- C. 变化明显而且时间吻合 (answer_class=yes)
|
||
- D. 有变化但程度比较弱 (answer_class=weak_yes)
|
||
|
||
用户回复：
|
||
（用户回复）
|
||
|
||
```
|
||
|
||
公开案例姓名不得出现在回复正文。
|