|
Download README.md from WrittenWithRust/Strandset-Rust-Think-TR: direct link, hf CLI and curl.
- Browser
- Download file 3.52 kB
-
https://huggingface.co/datasets/WrittenWithRust/Strandset-Rust-Think-TR/resolve/main/README.md
- Command line
-
hf download hf://datasets/WrittenWithRust/Strandset-Rust-Think-TR/README.md
-
curl -L -o README.md https://huggingface.co/datasets/WrittenWithRust/Strandset-Rust-Think-TR/resolve/main/README.md
3.52 kB
| license: mit | |
| language: | |
| - tr | |
| tags: | |
| - rust | |
| - code | |
| - thinking | |
| - reasoning | |
| - chain-of-thought | |
| - instruction-tuning | |
| - qwen | |
| pretty_name: Strandset Rust Think TR (5K Cleaned) | |
| size_categories: | |
| - 1K<n<10K | |
| task_categories: | |
| - text-generation | |
| # 🦀 Strandset-Rust-Think-TR (5K Cleaned & Translated) | |
| **Strandset-Rust-Think-TR**, Rust programlama dili odaklı, Türkçe düşünme zinciri (**Chain-of-Thought / `<think>`**) adımları içeren **5.000** adet yüksek kaliteli talimat (instruction-tuning) örneğinden oluşan bir veri setidir. | |
| Bu veri seti, [snowmead/Strandset-Rust-Think](https://huggingface.co/datasets/snowmead/Strandset-Rust-Think) çalışması temel alınarak **WrittenWithRust** tarafından **Qwen3.8-27B** modeli yardımıyla Türkçe dikeyine kazandırılmış ve mükerrer kayıtlarından arındırılmıştır. | |
| --- | |
| ## ⚙️ Çeviri ve Veri İşleme Metodolojisi | |
| Veri seti dönüştürülürken şu teknik süreçler izlenmiştir: | |
| * **Yerel Model Kullanımı:** Çeviri işlemleri yerel ortamda **Qwen3.8-27B** modeli kullanılarak gerçekleştirilmiştir. | |
| * **Akıllı Etiketleme ve Tag Güvenliği:** Model çıktılarındaki biçim bozulmalarını önlemek amacıyla özel ayırıcılar (`===USER_TR===`, `===REASONING_TR===`, `===SOLUTION_TR===`) kullanılmış ve `<think>` etiketleri Python tabanlı özel bir algoritmayla programatik olarak sarmalanmıştır (Format bozulma riski %0'a indirilmiştir). | |
| * **Kod Koruması:** Rust kod blokları (````rust ... ````), değişken adları, fonksiyonlar ve türler orijinal haliyle korunurken; tüm açıklamalar, düşünce adımları ve yorum satırları akıcı teknik Türkçeye çevrilmiştir. | |
| --- | |
| ## ⚠️ Önemli Temizlik Notu (10K -> 5K) | |
| Orijinal kaynakta veri kümesinin 10.000 (10K) kayıt içerdiği belirtilmesine rağmen, yapılan veri analizi ve tekilleştirme işlemlerinde: | |
| * Kayıtların birebir tekrar ettiği (duplicate) tespit edilmiştir. | |
| * Mükerrer veriler temizlenerek veri seti **tam 5.000 (5K) özgün ve temiz örneğe** düşürülmüştür. | |
| --- | |
| ## 📊 Veri Seti Yapısı | |
| Veri seti **ChatML** (`messages`) formatında düzenlenmiş olup şu rolleri içerir: | |
| * **`system`**: Modele uzman bir Rust yazılım mühendisi rolünü tanımlar ve idiomatik çözümü sunmadan önce problemi `<think>` etiketleri içinde Türkçe analiz etmesini ister. | |
| * **`user`**: Rust dilinde kod optimizasyonu, refactoring, satır içi yorum ekleme ve kod açıklama istemleri. | |
| * **`assistant`**: `<think>...</think>` etiketleri içinde adım adım Türkçe mantıksal analiz ve devamında idiomatik Rust çözümü. | |
| ### Şema Yapısı | |
| | Alan Adı | Tip | Açıklama | | |
| |---|---|---| | |
| | `id` | `int64` | Örneğe ait benzersiz kimlik numarası | | |
| | `messages` | `list` | `role` ve `content` anahtarlarını içeren konuşma geçmişi (`system`, `user`, `assistant`) | | |
| --- | |
| ## 💡 Örnek Veri Yapısı | |
| ```json | |
| { | |
| "id": 4998, | |
| "messages": [ | |
| { | |
| "role": "system", | |
| "content": "Sen uzman bir Rust yazılım mühendisisin. İdiomatik Rust çözümünü sunmadan önce problemi <think> etiketleri içinde adım adım analiz et." | |
| }, | |
| { | |
| "role": "user", | |
| "content": "ckb-dao crate'inden bu Rust kodunu optimize edin:\n\n```rust\nfn added_occupied_capacities(...) -> CapacityResult<Capacity> { ... }\n```" | |
| }, | |
| { | |
| "role": "assistant", | |
| "content": "<think>\nBu koda bakıp ne yaptığını anlamaya çalışayım...\n...\n</think>\n\nOptimize edilmiş kod:\n```rust\n...\n```" | |
| } | |
| ] | |
| } |