DATA_REPORT.md

# search_jev_unified_v2 数据报告（2026-09-29 更新）



对象：本目录 `train/val/test.jsonl` + `*_index.jsonl`（正式版，897,035 行）。
全部数字由全量扫描得出（扫描前已按 `manifest.json` 复核六文件 SHA-256），
机器可读版本见 [`data_report.json`](data_report.json)。

## 1. 总量

| 切分 | 行数 | 题数 | choice | score | noul |
|---|---:|---:|---:|---:|---:|
| train | 487,012 | 683,315 | 204,609 | 255,190 | 223,516 |
| val | 159,124 | 200,228 | 48,329 | 52,639 | 99,260 |
| test | 250,899 | 295,675 | 83,850 | 36,253 | 175,572 |
| 合计 | 897,035 | 1,179,218 | 336,788 | 344,082 | 498,348 |

- train 平均 1.40 题/行（qd_quality 每行 2–5 题、helpsteer2 5 维，其余多为 1–2 题）。

- 2026-09-29 屏蔽了不可判定题（见第 10 节第 5 条），题数因此比 09-28 版少 38,963 道，行数少 2,013 行。

- 输入级检查：三切分内同 (state, questions) 重复 0、同输入标签冲突 0。

- 指令多样化行：train 252,752 / val 31,996 / test 41,328（索引带 `instruction_variant`）。

## 2. 任务族

| task_family | train | val | test | 合计 | train core | train aux |

|---|---:|---:|---:|---:|---:|---:|

| `retrieval_judgment` | 153,990 | 43,446 | 18,080 | 215,516 | 66,482 | 87,508 |
| `query_understanding` | 74,318 | 48,013 | 45,211 | 167,542 | 64,527 | 9,791 |
| `evidence_judgment` | 62,482 | 20,328 | 17,708 | 100,518 | 45,568 | 16,914 |
| `general_understanding` | 61,511 | 6,413 | 6,437 | 74,361 | – | 61,511 |
| `search_action` | 56,981 | 10,640 | 15,793 | 83,414 | 51,886 | 5,095 |
| `query_assessment` | 44,592 | 25,194 | 23,543 | 93,329 | – | 44,592 |
| `query_classification` | 33,138 | 5,090 | 11,461 | 49,689 | 1,764 | 31,374 |
| `sealed_evaluation` | – | – | 112,666 | 112,666 | – | – |

- train：core 230,227（47.3%）/ aux 256,785（52.7%）。val/test 行无 `training_lane`。
- `sealed_evaluation`（只在 test）：qrecc_test_equivalence 28,222、candy_evidence 39,989、search_arena_intent 20,127、

  ragtruth 17,721、frames 5,976、agentrewardbench 631。它们是封存官方评测源，训练中无同源数据，单独报告。

- val 中 query_understanding 占 30%（atec 19,357 行），test 中 sealed_evaluation 占 45%；

  **不要直接看 val/test 总体准确率**，按族 / 来源分层汇总。



按 `input_origin`：

| input_origin | train | val | test | 合计 |

|---|---:|---:|---:|---:|

| `search_pool`（搜索主池） | 212,839 | 111,537 | 198,786 | 523,162 |
| `search_hardneg` | 86,024 | 8,506 | 8,153 | 102,683 |
| `query_assessment` | 44,592 | 25,194 | 23,543 | 93,329 |
| `general_mix` | 61,511 | 6,413 | 6,437 | 74,361 |
| `jev_extra`（qd_quality_v1） | 50,672 | 2,478 | 2,615 | 55,765 |
| `query_addon`（query 分类补充） | 31,374 | 4,996 | 11,365 | 47,735 |

## 3. 逐来源

难度列 = 均值（档位范围）；置信度列 = 该来源全部题 `confidence` 均值。语言为索引 `language_heuristic` 主值。

| task_family | source | capability | train lane | label_tier | 语言 | train | val | test | 难度 | 置信度 |
|---|---|---|---|---|---|---:|---:|---:|---|---:|
| evidence_judgment | `evidence/cfever_ev` | evidence | aux | derived_evidence | zh | 6,935 | 0 | 0 | 3.00 (3) | 0.850 |

| evidence_judgment | `evidence/trendfact_verdict` | evidence | core | source_verdict | zh | 5,847 | 318 | 334 | 3.18 (3–4) | 0.900 |

| evidence_judgment | `evidence/vitaminc` | evidence | core | source_verdict | en | 25,069 | 0 | 0 | 2.00 (2) | 0.900 |

| evidence_judgment | `evidence/vitaminc_conflict` | evidence | aux | derived_conflict | en | 9,979 | 18,628 | 16,338 | 3.00 (3–4) | 0.850 |

| evidence_judgment | `search_hardneg/hn_suff` | evidence_sufficiency | core | derived_llm_filtered | en | 14,652 | 1,382 | 1,036 | 4.05 (4–5) | 0.905 |

| general_understanding | `classification/amazon_reviews_multi_zh` | review_rating | aux | original_label | zh | 4,000 | 400 | 400 | 3.00 (3) | 0.970 |
| general_understanding | `classification/chnsenticorp` | sentiment_binary | aux | original_label | zh | 3,963 | 400 | 400 | 1.00 (1–2) | 0.970 |

| general_understanding | `classification/clue_cmnli` | nli | aux | original_label | zh | 3,000 | 400 | 400 | 3.00 (3) | 0.900 |

| general_understanding | `classification/clue_csl` | keyword_match | aux | original_label | zh | 3,000 | 400 | 400 | 1.96 (1–2) | 0.970 |
| general_understanding | `classification/clue_ocnli` | nli | aux | original_label | zh | 5,000 | 400 | 400 | 3.00 (3) | 0.970 |

| general_understanding | `classification/clue_tnews` | topic_classification | aux | original_label | zh | 5,000 | 400 | 400 | 2.00 (2) | 0.970 |
| general_understanding | `classification/clue_wsc` | coreference | aux | original_label | zh | 752 | 60 | 101 | 3.00 (3) | 0.970 |

| general_understanding | `classification/multi_emotion_dialogue` | emotion | aux | original_label | zh | 2,892 | 115 | 111 | 2.00 (2) | 0.900 |

| general_understanding | `classification/online_shopping_10cats` | sentiment_binary | aux | original_label | zh | 3,959 | 397 | 400 | 1.00 (1–2) | 0.970 |
| general_understanding | `classification/thucnews_title` | topic_classification | aux | original_label | zh | 3,000 | 400 | 400 | 2.00 (2) | 0.970 |
| general_understanding | `classification/weibo_senti_100k` | sentiment_binary | aux | original_label | zh | 5,000 | 400 | 400 | 1.00 (1) | 0.970 |

| general_understanding | `qa/clue_c3` | reading_mc | aux | original_label | zh | 3,000 | 400 | 400 | 3.43 (3–4) | 0.970 |
| general_understanding | `qa/logiqa_zh` | logic_mc | aux | original_label | zh | 2,000 | 400 | 400 | 4.00 (4) | 0.970 |
| general_understanding | `scoring/coig_p` | preference_pair | aux | original_label | zh | 3,000 | 400 | 400 | 3.64 (3–4) | 0.970 |
| general_understanding | `scoring/cvalues_zh` | preference_pair | aux | original_label | zh | 3,000 | 400 | 400 | 3.00 (3–4) | 0.970 |
| general_understanding | `scoring/douban_reviews_1to5` | review_rating | aux | original_label | zh | 4,000 | 400 | 400 | 3.00 (3) | 0.970 |

| general_understanding | `scoring/helpsteer2_0to4` | response_quality | aux | original_label | en | 2,000 | 229 | 208 | 4.77 (4–5) | 0.970 |
| general_understanding | `scoring/helpsteer3_chinese` | preference_pair | aux | original_label | zh | 945 | 12 | 17 | 3.74 (3–5) | 0.970 |
| general_understanding | `scoring/jd_review_1to5` | review_rating | aux | original_label | zh | 4,000 | 400 | 400 | 3.00 (3) | 0.920 |

| query_assessment | `query_assessment/query_info` | query_info | aux | llm_vote / ladder_construct / structural_anchor | zh | 14,764 | 9,819 | 9,139 | 2.66 (2–3) | 0.869 |
| query_assessment | `query_assessment/query_need` | query_need | aux | llm_vote / structural_anchor / llm_generated | zh | 17,914 | 7,602 | 6,974 | 3.00 (3) | 0.882 |

| query_assessment | `query_assessment/query_noise` | query_noise | aux | real_query_rule / synthetic_rule / llm_generated | zh | 11,914 | 7,773 | 7,430 | 2.00 (2) | 0.953 |

| query_classification | `classification/banking77` | query_classification | aux | original_intent_transfer | en | 9,973 | 0 | 3,071 | 2.00 (2) | 0.970 |

| query_classification | `classification/clinc150` | query_classification | aux | original_intent_transfer | en | 10,594 | 3,092 | 5,499 | 2.00 (2) | 0.970 |

| query_classification | `classification/massive_zh` | query_classification | aux | original_intent_transfer | zh | 10,807 | 1,904 | 2,795 | 2.00 (2) | 0.970 |

| query_classification | `decision/kuake_qic` | intent | core | original_intent | zh | 1,764 | 94 | 96 | 2.00 (2) | 0.970 |

| query_understanding | `retrieval/afqmc` | intent_equivalence | core | original_binary | zh | 10,847 | 3,070 | 0 | 2.00 (2) | 0.970 |
| query_understanding | `retrieval/atec` | intent_equivalence | core | original_binary | zh | 8,849 | 19,357 | 20,000 | 2.00 (2) | 0.970 |

| query_understanding | `retrieval/bq_corpus` | intent_equivalence | core | original_binary | zh | 10,792 | 8,703 | 8,819 | 2.00 (2) | 0.970 |
| query_understanding | `retrieval/chip_sts` | intent_equivalence | core | original_binary | zh | 7,771 | 0 | 0 | 2.00 (2) | 0.970 |
| query_understanding | `retrieval/dialogue_rewrite_equivalence` | rewrite | aux | weak_negative | en | 5,177 | 1,836 | 1,960 | 1.50 (1–2) | 0.700 |
| query_understanding | `retrieval/lcqmc` | intent_equivalence | core | original_binary | zh | 18,287 | 8,389 | 12,465 | 2.00 (2) | 0.970 |

| query_understanding | `retrieval/paws_x_zh` | intent_equivalence | core | original_binary | zh | 7,981 | 1,830 | 1,967 | 2.00 (2) | 0.970 |
| query_understanding | `retrieval/qrecc_train_equivalence` | rewrite | aux | weak_negative | en | 4,614 | 4,828 | 0 | 1.86 (1–3) | 0.700 |
| retrieval_judgment | `retrieval/duretrieval` | relevance | aux | derived_qrels | zh | 5,918 | 780 | 642 | 1.88 (1–3) | 0.900 |
| retrieval_judgment | `retrieval/kuake_qqr` | relevance | core | native_grade | zh | 6,866 | 0 | 0 | 2.00 (2) | 0.950 |

| retrieval_judgment | `retrieval/kuake_qtr` | relevance | core | native_grade | zh | 7,882 | 0 | 0 | 3.00 (3) | 0.950 |

| retrieval_judgment | `retrieval/multi_cpr_ecom` | relevance | aux | derived_qrels | zh | 7,493 | 2,970 | 0 | 1.67 (1–2) | 0.900 |

| retrieval_judgment | `retrieval/multi_cpr_medical` | relevance | aux | derived_qrels | zh | 7,375 | 3,998 | 0 | 1.69 (1–2) | 0.900 |

| retrieval_judgment | `retrieval/multi_cpr_video` | relevance | aux | derived_qrels | zh | 7,399 | 2,683 | 0 | 1.66 (1–3) | 0.900 |

| retrieval_judgment | `retrieval/qbqtc` | relevance | core | native_grade | zh | 17,594 | 18,734 | 3,681 | 2.00 (2) | 0.950 |

| retrieval_judgment | `retrieval/qd_quality_v1` | qd_quality | aux | llm_teacher | zh | 50,672 | 2,478 | 2,615 | 4.35 (4–5) | 0.831 |
| retrieval_judgment | `retrieval/t2reranking` | relevance | core | original_binary | zh | 14,654 | 3,582 | 3,370 | 2.14 (2–3) | 0.914 |
| retrieval_judgment | `retrieval/t2retrieval` | relevance | aux | derived_qrels | zh | 8,651 | 6,255 | 5,868 | 2.00 (1–3) | 0.900 |
| retrieval_judgment | `search_hardneg/hn_gain` | retrieval_gain | core | derived_llm_filtered | en | 19,486 | 1,966 | 1,904 | 3.18 (3–4) | 0.874 |
| sealed_evaluation | `decision/agentrewardbench` | sealed_evaluation | – | official_eval | en | 0 | 0 | 631 | 3.97 (3–4) | 0.970 |

| sealed_evaluation | `decision/search_arena_intent` | sealed_evaluation | – | official_eval | en | 0 | 0 | 20,127 | 2.00 (2) | 0.970 |
| sealed_evaluation | `evidence/candy_evidence` | sealed_evaluation | – | official_eval | zh | 0 | 0 | 39,989 | 2.00 (2) | 0.970 |
| sealed_evaluation | `evidence/ragtruth` | sealed_evaluation | – | official_eval | en | 0 | 0 | 17,721 | 3.92 (3–4) | 0.970 |

| sealed_evaluation | `retrieval/frames` | sealed_evaluation | – | official_eval | en | 0 | 0 | 5,976 | 3.00 (3) | 0.970 |
| sealed_evaluation | `retrieval/qrecc_test_equivalence` | sealed_evaluation | – | official_eval | en | 0 | 0 | 28,222 | 1.86 (1–3) | 0.854 |

| search_action | `decision/xyz_aquila_action` | action_imitation | aux | weak_demonstration | en | 5,095 | 5,482 | 10,580 | 2.98 (2–4) | 0.700 |
| search_action | `search_hardneg/hn_next_hop` | next_query | core | derived_llm_filtered | en | 29,422 | 2,924 | 2,923 | 2.03 (2–3) | 0.949 |

| search_action | `search_hardneg/hn_query_fit` | query_fit | core | derived_llm_filtered | en | 22,464 | 2,234 | 2,290 | 3.04 (3–4) | 0.925 |



query_classification 补充行（banking77 / clinc150 / massive_zh）索引无 `language_heuristic`，上表语言按源数据集标注。

只有 train、无评估切分的来源：cfever_ev、vitaminc、chip_sts、kuake_qqr、kuake_qtr；这些能力只能在同族其他来源上评估。
afqmc、multi_cpr_* 无 test，banking77 无 val。

## 4. 标签来源与监督强度

| label_tier | train | val | test | 合计 |

|---|---:|---:|---:|---:|

| `original_binary` | 79,181 | 44,931 | 46,621 | 170,733 |
| `official_eval` | 0 | 0 | 112,666 | 112,666 |
| `derived_llm_filtered` | 86,024 | 8,506 | 8,153 | 102,683 |
| `original_label` | 61,511 | 6,413 | 6,437 | 74,361 |
| `derived_qrels` | 36,836 | 16,686 | 6,510 | 60,032 |
| `llm_teacher` | 50,672 | 2,478 | 2,615 | 55,765 |
| `native_grade` | 32,342 | 18,734 | 3,681 | 54,757 |
| `llm_vote` | 26,617 | 13,168 | 11,301 | 51,086 |
| `original_intent_transfer` | 31,374 | 4,996 | 11,365 | 47,735 |
| `derived_conflict` | 9,979 | 18,628 | 16,338 | 44,945 |
| `source_verdict` | 30,916 | 318 | 334 | 31,568 |
| `weak_demonstration` | 5,095 | 5,482 | 10,580 | 21,157 |
| `weak_negative` | 9,791 | 6,664 | 1,960 | 18,415 |
| `real_query_rule` | 5,981 | 3,875 | 3,418 | 13,274 |
| `synthetic_rule` | 5,683 | 3,696 | 3,725 | 13,104 |
| `ladder_construct` | 4,079 | 2,687 | 2,592 | 9,358 |
| `derived_evidence` | 6,935 | 0 | 0 | 6,935 |
| `structural_anchor` | 1,470 | 1,349 | 1,958 | 4,777 |
| `original_intent` | 1,764 | 94 | 96 | 1,954 |
| `llm_generated` | 762 | 419 | 549 | 1,730 |

- train 按 `supervision`：original 205,714 / derived 161,787 / weak 88,137 / 未标（query_addon）31,374；`weak=true` 92,937 行（19.1%）。

- train 中 LLM 参与定标的行（llm_teacher + llm_vote + llm_generated + derived_llm_filtered）共 164,075 行，占 33.7%。

## 5. 难度

| difficulty | train | val | test |
|---|---:|---:|---:|
| 1 | 27,579（5.7%） | 8,546 | 17,973 |
| 2 | 248,649（51.1%） | 96,690 | 144,315 |
| 3 | 132,483（27.2%） | 48,283 | 66,248 |
| 4 | 59,577（12.2%） | 3,740 | 20,490 |
| 5 | 18,724（3.8%） | 1,865 | 1,873 |

train 各族档位占比：

| task_family | 1 | 2 | 3 | 4 | 5 |

|---|---:|---:|---:|---:|---:|

| general_understanding | 21.2% | 22.4% | 43.7% | 10.0% | 2.7% |
| evidence_judgment | – | 40.1% | 34.7% | 24.3% | 1.0% |

| retrieval_judgment | 6.2% | 41.1% | 17.6% | 24.4% | 10.7% |
| query_understanding | 6.7% | 90.9% | 2.4% | – | – |

| query_assessment | – | 38.2% | 61.8% | – | – |
| search_action | – | 50.5% | 48.3% | 1.3% | – |

| query_classification | – | 100% | – | – | – |

- 4–5 档几乎全部来自 qd_quality（4–5）、search_hardneg（hn_suff 4–5、hn_gain/hn_query_fit 3–4）与 helpsteer2/logiqa；
  val 的 4–5 档只有 5,605 行，4–5 档指标主要看 test（其中 sealed 源 ragtruth/agentrewardbench 贡献 4 档 16,934 行）。
- 59 个来源中 31 个只有单一档位（如 query_classification、intent_equivalence 全为 2 档），档内无区分度，按难度加权时注意。

## 6. 置信度（软标签）

按题统计 `confidence`（索引镜像；noul 题为 max(p, 1−p) 对应的校准值）：

| 区间 | train | val | test |
|---|---:|---:|---:|
| [0.95, 1.00] | 282,690（41.4%） | 100,049 | 189,847 |
| [0.90, 0.95) | 117,044（17.1%） | 35,047 | 23,616 |
| [0.85, 0.90) | 196,745（28.8%） | 35,541 | 33,751 |
| [0.75, 0.85) | 65,140（9.5%） | 11,367 | 24,788 |
| [0.60, 0.75) | 20,795（3.0%） | 17,708 | 23,222 |
| [0.00, 0.60) | 901（0.1%） | 516 | 451 |

各族题均值（全切分）：query_classification 0.970、general 0.961、query_understanding 0.940、sealed 0.941、
query_assessment 0.898、evidence 0.875、retrieval 0.867、search_action 0.849。
最低的层：weak_demonstration / weak_negative 恒为 0.70，llm_teacher 0.61–0.85（均值 0.831），

llm_vote 0.45–0.95（均值 0.870）。

## 7. 标签分布（train）

- 二分类（noul）大多接近均衡；偏斜较明显的：atec 负例 85.9%、query_info.ambiguous 负例 73.3%、duretrieval / t2retrieval

  正例 71.5%、afqmc 负例 68.6%、multi_cpr_* 负例约 66%、cfever_ev 负例 64.8%。search_hardneg 四个集为构造性 50/50。

- 多分类最高类占比：trendfact_verdict refutes 55.6%、vitaminc supports 50.2%、query_noise「有效查询」63.2%、

  query_info.missing_main「无明显缺失」49.8%、qd_quality.query_freshness never 49.9%、kuake_qic「治疗方案」35.2%；
  hn_next_hop 四个选项位置均衡（最高 25.3%）。无任何 (来源, 题目) 的最高类占比 ≥ 0.9。
- score 题（按软分 Σ档×概率）：qd_quality relevance 均值 1.52、satisfaction 1.15（0–3 档，偏低）、timeliness 1.43（屏蔽无时间信息的题后）、

  authority 2.16；kuake_qqr 均值 0.63（0–2，偏低档）；jd_review 中位数落在最高档（源分布偏 5 星）。



逐 (来源, 题目) 明细见 `data_report.json` 的 `train_label_balance`。

## 8. 指令多样性（train）

66 个 (来源, 题目) 中：54 个 ≥ 10 种指令，5 个 4 种（search_hardneg 四集、query_noise.noise），
3 个 3 种（query_info.info_level、query_need.need_level、query_noise.noise_type），
4 个 2 种（query_info.ambiguous / info_pair / missing_main、query_need.freshness）；**单一指令 0 个**。
query_assessment 与 search_hardneg 是剩余的低多样性来源。

## 9. 输入长度

`state` 序列化（`json.dumps(ensure_ascii=False)`）字符数，全切分：

| task_family | 行数 | p50 | p95 | max | >1024 | >2048 |

|---|---:|---:|---:|---:|---:|---:|

| general_understanding | 74,361 | 65 | 1,578 | 22,140 | 7.5% | 3.6% |
| evidence_judgment | 100,518 | 375 | 2,785 | 5,917 | 18.8% | 11.1% |

| retrieval_judgment | 215,516 | 283 | 1,410 | 4,172 | 17.6% | 1.4% |
| query_understanding | 167,542 | 55 | 276 | 2,740 | 1.2% | 0.1% |

| query_assessment | 93,329 | 13 | 53 | 135 | 0 | 0 |
| search_action | 83,414 | 250 | 3,667 | 4,074 | 24.9% | 24.5% |

| query_classification | 49,689 | 33 | 80 | 435 | 0 | 0 |
| sealed_evaluation | 112,666 | 225 | 3,598 | 12,580 | 21.7% | 13.4% |



不含 questions 文本；按 token 估算时中文约 1 字 ≈ 1 token、英文约 4 字符 ≈ 1 token。



## 10. 使用时需要注意



1. **语言**：train 中中文主导 63.7%、拉丁文主导 29.7%；search_action / hn_* / evidence 的 vitaminc 系列全部是英文，

   search_action 族目前没有中文行。
2. **评估切分构成不均**：val 被 atec（19,357）、qbqtc（18,734）、vitaminc_conflict（18,628）主导；test 45% 为 sealed。

   汇总指标请按来源宏平均。

3. **弱标签层**：weak_demonstration（xyz_aquila 示范动作）与 weak_negative（改写等价的构造负例）置信度 0.70，
   qd_quality 为 LLM 教师标签——按 README「使用建议」降权。

4. **已移除的冲突样本**：同输入但标签不一致的 56 行（train 32 / val 18 / test 6）已整组移除，不在本数据中。

5. **2026-09-29 修订**（软标签不变）：

   - 屏蔽不可判定题：删除该题，索引 `masked_questions` 记录原因；一行里的题全被删掉则整行移除。
     - qd_quality timeliness：无发布时间且无查询时间 23,400 道，无发布时间却标 3 档 569 道。

     - qd_quality query_freshness：同一 (query, query_time) 在不同文档下标签不一致，12,981 道。
     - qrecc：上下文为空且改写引入了新实体的正例，2,013 行，整行移除（train 281 / val 250 / test 1,482）。
   - HelpSteer2 complexity / verbosity 量表按 NVIDIA 原始定义重写。
   - 句对等价任务的 state 改为 `{query_a, query_b}`（paws_x_zh 为 `{text_a, text_b}`）。
   - vitaminc / cfever_ev 的 state 改为 `{claim, evidence}`，instructions 同步改名。

   - xyz_aquila 删去 `oxed{}` 格式尾巴。
   - 意图迁移源（query_addon）的索引 `gold` 由 answers argmax 回填。

6. **2026-09-29 修订：clue_tnews 类别映射修复**：原 label id→类名映射自 105 起错位（CLUE 官方无 105/111），

   112 旅游与 116 游戏同被映射为"股票"，且缺"房产"类，约 64% 的行类别错误。已按原始数据回查 id、改用官方映射：

   改标 3,710 行（train 3,204 / val 243 / test 263），全部 5,800 行的选项扩为 15 类（补"房产"），

   概率按原置信度 0.97 重算，索引 `gold` / `original_domain_unverified` 同步；行数与其他来源不变。

7. **2026-09-29 修订：helpsteer3_chinese 偏好方向修复**：原转换把 overall_preference>0 当作 response1 更好，与 HelpSteer3 约定（及原始 best_response 字段）相反，导致全部偏好标签反向。已逐行按原始 best_response 定位更好的回复，翻转 974 行（train 945 / val 12 / test 17）的 choice / probabilities 与索引 `gold`；回复位置、置信度与行数不变。
8. **2026-09-29 修订：ragtruth / frames 字段修复**：ragtruth 原把上文截到 800 字（97% 行被截）、回复截到 1,000 字且丢了任务说明，字段还误名为 question/passage；已按原始 RAGTruth 重建为 `{query, context, response}` 全文（17,721 行逐行回查、标签一致），ragtruth 不受 4,000 字 state 上限约束（截断会让幻觉标签无从判断），因此 sealed_evaluation 的长度统计上升。frames 的 `passage` 实为维基百科 URL，改为 `{question, wiki_url, wiki_title}`（标题由 URL 解码，6 条补协议头，3 条 w.wiki 短链无标题）。题目、答案、索引与行数均不变。