README.md

---
license: other
task_categories:
- text-generation
language:
- zh
tags:
- stitch-s
- speech-first
- agent
- tool-use
- tts
- zh-TW
---

# Agent-STITCH-S 中文版 (agent-sft-stitch-zh)

由 [`voidful/agent-sft`](https://huggingface.co/datasets/voidful/agent-sft) 轉換而成的**台灣繁體中文 Agent-STITCH-S 語音助理**合成資料:模型一邊對使用者說話(`<SAY>`)、一邊私下推理(`[SOPR]`)、一邊呼叫工具(`<TOOL_CALL>`)的 speak-while-acting 軌跡。

## 產製流程

1. 從 `agent-sft`(309,322 筆)篩出**具完整 tool-call 鏈**(user → tool_call → tool_result → final answer)的對話;多輪對話的早前輪次保留為 `context` 供改寫模型 grounding。
2. 用 **google/gemma-4-26B-A4B-it** 把每筆改寫成台灣繁體中文的 speech-first STITCH-S 軌跡:先安全開場 → `[SOPR]` 推理 → `<TOOL_CALL>` → 等待語音(不得洩漏 pending 結果)→ `<TOOL_RESULT>` → 逐步整合 → 最終口語答覆 `[EOR]`。標記與真實工具內容由程式確定性組裝,工具呼叫與結果不經模型改寫。
3. 生成端品質閘門:tool_steps 與當前請求無關/幻覺者丟棄;private state 出現改寫者後設語言(rewriter meta-language)者由確定性 filter 丟棄;步數不對齊、JSON 不可解析者丟棄。
4. 以 **9 維 / 18 分 STITCH-S rubric** 用同一模型嚴格評分(speech-first、tool 等待安全性、時序因果、逐步整合、標記正確、靜默間隔、grounding、客服口語品質、tool 有效性),含 hard-fail 條件。
5. 只保留 **total >= 17 且無 hard-fail** 的 `keep` 樣本。

## 欄位

- `id`, `source`:原始 agent-sft 來源
- `user`:中文使用者語句
- `msg`:STITCH-S 軌跡(含 `[SOPR]/[EOPR]/[EOR]`、`<TOOL_CALL>`、`<TOOL_RESULT>`)
- `input`:評分用 metadata(context、available_tools、tool_steps、reference_answer、原始使用者語句)
- `total_score`(0–18)與 8 個攤平分項分數、`evaluation_json`(完整 9 維評分與評語;`tool_validity` 分項在此 JSON 內)

## 統計

- 評分樣本:76,450,保留(keep):63,941;review 3,453、reject 9,056(其中 6,300 為超長樣本、約 2,756 為品質不合格)
- 保留資料平均分:17.909 / 18
- 各來源保留數:
  - nemotron_terminal: 24147
  - toolmind: 17987
  - glaive: 6119
  - hermes_reasoning: 3961
  - apigen_mt: 3934
  - at_deepseek_v4_pro: 3017
  - at_synthtraces: 1580
  - hermes: 1576
  - swe_smith: 766
  - toolace: 345
  - swe_zero: 277
  - swe_gym: 156
  - at_ml_intern: 33
  - at_qwen37_max_pi: 25
  - at_pi_excel: 11
  - at_minimax_m3_cc: 7