---
language: [ko]
license: apache-2.0
task_categories: [text-generation]
tags: [scheduling, prioritization, korean, dpo, grpo, synthetic]
configs:
- config_name: sft
  default: true
  data_files:
  - split: train
    path: data/sft_train.parquet
- config_name: dpo
  data_files:
  - split: train
    path: data/dpo_train.parquet
- config_name: dpo_v5
  data_files:
  - split: train
    path: data/dpo_v5_train.parquet
- config_name: grpo
  data_files:
  - split: train
    path: data/grpo_train.parquet
- config_name: sft_v1_text
  data_files:
  - split: train
    path: data/sft_v1_text.parquet
- config_name: eval
  data_files:
  - split: test
    path: data/eval_heldout.parquet
---

# TimeSorter — 한국어 일정 우선순위 정렬 데이터셋 (v1~v5 통합)

할 일 목록을 4축(긴급도·중요도·의존성·시간 제약, 각 1-5)으로 채점하고 우선순위를 결정하는
모델 학습용 데이터. Qwen3.5-4B SFT → DPO → GRPO 파인튜닝에 사용.

## Configs

| config | split | 행 수 | 용도 |
|--------|-------|------|------|
| `sft` | train | 15,677 | SFT 본 학습 (v2~v5+rework, curated 3.4K+rework 1.4K) |
| `sft_v1_text` | train | 5,999 | v1 자유 텍스트 |
| `dpo` | train | 21,340 | DPO 쌍 v1~v5 누적 (on-policy 351쌍 포함) |
| `dpo_v5` | train | 1,368 | DPO v5 실제 학습 파일 1,368쌍 (onpolicy 228+v3 hard-neg 940+refusal 200) |
| `grpo` | train | 3,356 | GRPO 프롬프트+골격 (v3~v5) |
| `eval` | test | 150 | held-out 자동 평가 |

- **sft** (기본): v2~v5+rework JSON 스키마 통합. 컬럼 prompt/chosen(JSON)/persona/today/source/meta/version.
  `today`는 시스템 프롬프트에 주입되는 오늘 날짜(ISO, 빈 문자열=날짜 미상 시나리오).
  **tier**: `curated`(v3-v5, persona_fit 4.9-5.0) / `rework`(v1/v2 재가공, persona_fit 3.55) / `v2_refusal` / `v2_schedule` / `v2_offformat`
- **dpo**: chosen/rejected 쌍. v3+는 형식 동일·내용만 오류인 hard negative
  (date_confusion/granularity_swap/dependency_scatter/risk_ignore/order_score_mismatch/past_hallucination).
  v5에는 학습된 모델이 실제로 위반한 출력을 rejected로 수집한 **on-policy 351쌍** 포함.
- **dpo_v5**: DPO v5 학습에 **실제 투입한 1,368쌍** 그대로(재현용). 구성: on-policy 228 +
  v3 hard-negative 재사용 940 + refusal 200. (누적 `dpo` config와 달리 단일 학습 파일)
- **grpo**: 골격(meta JSON) 보유 프롬프트 — meta의 태스크별 마감·과거 여부·체인·리스크 정보로
  검증 가능한 보상 함수(RLVR)를 구성할 수 있다.
- **eval**: 학습에 쓰지 않은 seed로 생성한 held-out 150 시나리오 (골격 규칙 자동 채점용).

## 데이터셋별 특징

### sft
- 골격 우선 생성 + 자동 검증 통과분만 수록. `today`(오늘 날짜, ""=미상)·`meta`(골격)·`version` 포함.
- **tier**: `curated`(v3-v5 — Claude Opus 4.8 감사 persona_fit 4.9-5.0, 본 학습 권장) /
  `v2_refusal`(거부 학습, 항상 혼합) / `v2_schedule`(persona_fit 3.3 — 소량만) / `v2_offformat`(비권장)
- 실증: curated + 프롬프트 loss 마스킹 학습 → held-out 골격 통과율 56.7%→77.3% (+20.6%p)

### dpo
- hard negative는 chosen과 형식·길이 동일(길이비 0.96-0.99), **내용만 오류**:
  date_confusion / granularity_swap / dependency_scatter / risk_ignore / order_score_mismatch / past_hallucination
- on-policy 쌍: 학습된 모델이 실제로 위반한 출력을 rejected로 수집
- **tier**: `hard`(권장) / `refusal` / `easy_format`(v2 — urgency_only 길이비 0.19 등 길이 편향 주의) / `legacy_text`(v1 — v3+ 학습 금지)

### grpo
- chosen 없이 prompt+meta(골격)만 — verify_chosen 규칙으로 결정적·무비용 보상(RLVR) 구성
- 보상 예시: 전 규칙 통과 +1.0, 위반당 -0.3, 파싱 실패 -1.0
- 무결성: meta 파싱 100%, eval 누수 0, 프롬프트 중복 0

### eval
- 학습 미사용 seed(47)로 생성한 held-out 150 — 골격 규칙 자동 채점용 기준선

## 생성 방법 — 시나리오 골격 우선 (skeleton-first)

1. 프로그램이 골격 확정: 태스크별 마감 일시·이미 지났는지·의존 체인·리스크 문구
2. LLM은 텍스트와 정답 JSON만 생성 — 텍스트 gpt-5.4-mini, 정답 gpt-5.4 / Claude Sonnet 4.6
3. 골격 규칙 자동 검증 통과분만 수록: 지난 일정 후순위, 동일일 시각 오름차순, 체인 연속 배치,
   리스크 importance≥4, 오늘 미상 시 '지남' 단정 금지, 무마감 1위 금지
4. 골격은 meta 컬럼에 보존 — DPO negative 생성·자동 평가·GRPO 보상에 재사용

## 시나리오 (v3~v4)

dated_mixed / past_split (오늘 기준 지난·유효 분리) · intraday (오전>오후) ·
dependency_chain · risk / am_escalation (불이익 조항) · no_today (날짜 미상 상대 정렬) ·
relative (내일/모레 환산)

생성 코드: https://github.com/jung-geun/TimeSorter