Skip to content

CONTRIBUTING.md

Latest commit

 

History

History
90 lines (63 loc) · 5.4 KB

CONTRIBUTING.md

File metadata and controls

90 lines (63 loc) · 5.4 KB

Contributing to Dialectic Alignment Dataset (DAD)

Спасибо за интерес к проекту. Вклады приветствуются и ценятся.

Как помочь

1. Новые DPO-пары для существующих уроков

Самый простой способ помочь — добавить новые пары (prompt, chosen, rejected) для существующих уроков. Это повышает разнообразие датасета и помогает модели лучше обобщать.

Формат: тот же, что в dataset/dialectic_alignment.jsonl. Пришлите PR с одной или несколькими новыми строками в JSONL.

Требования к rejected:

  • Реалистичная симуляция ошибки текущих LLM (вежливый, но когнитивно неверный ответ).
  • Не карикатура.
  • Соответствует духу урока (описан в modules/).

2. Новые уроки

Если вы обнаружили системную ошибку модели в диалогах с высокофункциональными, идеологичными или системно мыслящими клиентами — оформите урок.

Структура урока (см. существующие в modules/):

  1. Заголовок — суть ошибки и различения.
  2. Контекст — что произошло, кто клиент, что модель предположила, что клиент поправил.
  3. Почему это ценно — фундаментальная проблема, а не частность.
  4. Чему научиться — алгоритмические вопросы, различения, фильтры.
  5. Индикаторы активации — когда применять.
  6. Ключевая техника или фраза.

Вместе с уроком пришлите:

  • Одну или несколько DPO-записей в dataset/dialectic_alignment.jsonl.
  • Правила маршрутизации в routing/symptom-to-lesson.yaml.
  • Строку в dataset/dialectic_alignment.csv.
  • Обновление routing/routing-guide.md и README.md.

3. Новые routing-правила

Если вы заметили симптом, который не покрыт в symptom-to-lesson.yaml, пришлите PR с новым правилом. Укажите:

  • symptom — описание сигнала.
  • lesson — путь к уроку.
  • module — код модуля.
  • confidence — ваша экспертная оценка (0.0–1.0).
  • priority — приоритет (1 = высший).

4. Отчёты об эффективности

Если вы файнтюнили модель на DAD и получили результаты — поделитесь. Откройте issue с тегом evaluation или пришлите PR в папку evaluations/ (создайте её, если нужно).

Напишите:

  • Какая модель (базовая).
  • Какой метод файнтюнинга (DPO, LoRA, etc.).
  • Какие метрики использовали.
  • Какие результаты получили (качественные или количественные).

5. Переводы

Если вы хотите перевести датасет на другой язык — откройте issue для обсуждения. Переводы должны учитывать культурный и политический контекст целевого языка.

Процесс

  1. Откройте issue для обсуждения крупных изменений.
  2. Форкните репозиторий.
  3. Внесите изменения в отдельной ветке.
  4. Пришлите PR с описанием изменений и ссылкой на issue.
  5. Убедитесь, что PR проходит проверки (если они настроены).

Стиль rejected-ответов

Хороший rejected:

  • Вежливый, но ошибочный.
  • Совершает ту же системную ошибку, которую исправляет урок.
  • Звучит как то, что реальная LLM могла бы сказать.
  • Не злой, не агрессивный, не карикатурный.

Плохой rejected:

  • «Вы просто глупы, учите матчасть».
  • «Я согласен, автор — наивный дурак».
  • Любой ответ, который стандартный alignment уже отфильтровывает как токсичный.

Принцип: rejected — это не плохой ответ в смысле harmful, а когнитивно неверный ответ в смысле helpful-but-wrong.

Кодекс поведения

  • Будьте уважительны.
  • Споры о концептуальных различениях — это нормально и приветствуется.
  • Помните: мы обучаем модель мыслить диалектически, а не занимать чью-то сторону.

Вопросы

Открывайте issue с тегом question.