---
dataset_info:
  features:
  - name: messages
    list:
    - name: content
      dtype: string
    - name: role
      dtype: string
  - name: category
    dtype: string
  splits:
  - name: train
    num_bytes: 974459
    num_examples: 494
  download_size: 88508
  dataset_size: 974459
configs:
- config_name: default
  data_files:
  - split: train
    path: data/train-*
---


# dbbench_distilled_v1

## 概要
DB Bench（AgentBench）の弱点カテゴリに対して、教師モデルで高品質なエージェントトレースを再生成した蒸留データセット。

## 生成方法
- **手法**: Oracle注入型マルチターン生成（ハード蒸留）
- **教師モデル**: Qwen/Qwen3-Coder-30B-A3B-Instruct（BF16、A100 80GB）
- **ソースデータ**: u-10bei/dbbench_sft_dataset_react_v4
- **生成環境**: Google Colab A100 80GB（ハイメモリ）

## Oracle注入型マルチターン生成とは
1. dbbench_v4 から弱点カテゴリのサンプルをフィルタ
2. 各サンプルの user質問・tool応答（SQL実行結果）・正解を抽出
3. 教師モデルに「正解ヒント付き」でエージェント応答を1ターンずつ生成させる
4. 教師が SQL を書いた後、元データの tool応答（実際のSQL実行結果）を注入
5. これを繰り返し、効率的なトレースを再生成

## データ仕様
- **サンプル数**: 494件（成功率41%、約1,200件から生成）
- **形式**: messages（マルチターン対話）+ category
- **対象カテゴリ**: INSERT, aggregation-MAX, comparison, aggregation-SUM, counting

## カテゴリ分布
| カテゴリ | 件数 |
|---------|------|
| other | 128 |
| counting | 84 |
| aggregation-MAX | 67 |
| ranking | 56 |
| comparison | 45 |
| aggregation-SUM | 36 |
| aggregation-MIN | 28 |
| INSERT | 24 |
| aggregation-AVG | 18 |
| UPDATE | 8 |

## メッセージ形式
```
user[0]      : システム説明 ("I will ask you a question...")
assistant[0] : "Ok."
user[1]      : 実際の質問
assistant[1] : Thought + Action: Operation + SQL
user[2]      : SQL実行結果（tool応答をuser roleで表現）
...
assistant[N] : Action: Answer + Final Answer: [...]
```

## 使用実績
- **023**: ALF v5 + 本データセット（黄金比）→ LB 4.7070（Top10）
- **024**: 023と同モデル → LB 4.7256

## バリデーション基準
- assistant に ``` ```sql ``` を含むこと（SQL実行あり）
- assistant に `Final Answer:` を含むこと（回答あり）
- `Ok.` 以外の実質的な assistant ターンが存在すること

## 生成コード
`012_distillation_dbbench.ipynb`

## ライセンス
教師モデル（Qwen3-Coder-30B-A3B-Instruct）: apache-2.0