TLive

直播领域的后训练数据集，用于把 Qwen3.5 系列基座训练成"直播副驾"：理解主播与观众的互动、跟踪直播文字流的时序。每个版本对应一份实际用于训练的 SFT 混合集，以及同一版本的 GRPO prompt 池；训练完成后的模型用配套的评测集 LiveEval-Research 打分，两者按分组键（主播 / 视频）互斥。

Subset

subset	内容	行数	文件
v0_3_160k（默认）	TLive-SFT-mix-v0.3.0-160k，v0.2 全量 + 80k 新增	160,000	v0_3/sft_160k/train-00000-of-00001.parquet
v0_3_120k	TLive-SFT-mix-v0.3.0-120k，v0.2 全量 + 40k 新增，是 160k 的前缀	120,000	v0_3/sft_120k/train-00000-of-00001.parquet
v0_2	TLive-SFT-mix-v0.2.0-80k，SFT 混合集	80,000	v0_2/sft/train-00000-of-00001.parquet
v0_1	TLive-SFT-mix-v0.1.0-80k，SFT 混合集	80,000	v0_1/sft/train-00000-of-00001.parquet
v0_2_grpo	v0.2 配套的 GRPO prompt 池（含 reward_spec）	168,167	v0_2/grpo/train-00000-of-00001.parquet
v0_1_grpo	v0.1 配套的 GRPO prompt 池	148,167	v0_1/grpo/train-00000-of-00001.parquet

每个目录下的 manifest.json 是构建时的原始清单，含抽样 seed、各任务配额与源 jsonl 的 sha256。所有 subset 目前只有 train 一个 split。v0.3 的 GRPO 池与 v0.2 相同，未单独重复上传。

版本构成

两版总量相同、seed 相同（random.Random(20260811).sample），差别只在任务配比。

v0.1 — 全部自由生成

任务	来源	形式	条数
livechat_response_generation	LiveChat	生成	40,000
text_proxy_continuation	Live-WhisperX-526K	生成	40,000

7 项直播评测中 5 项是选择题，而这一版没有任何选择式样本；一个 epoch 后模型 85% 的回答塌缩为输出 A，两个续写任务掉到随机水平。2B 最佳 Live_AVG 33.94。

v0.2 — 选择式与自由生成各半

任务	来源	形式	条数
livechat_addressee_recognition_sft	LiveChat	选择（10 选 1）	25,000
livechat_response_generation	LiveChat	生成	20,000
text_proxy_continuation	Live-WhisperX-526K	生成	20,000
text_continuation_selection_sft	Live-CC-5M	选择（4 选 1）	15,000

两个选择式任务由 GRPO 分片改写而来，题面与评测同构，答案取 reward_spec.solution 的金标字母。混入约五成选择式样本是决定性变量：同尺寸同数据量下 2B 的 Live_AVG 从 33.94 升至 66.72。

v0.3 — 在 v0.2 之上加入四个新来源

v0.2 的 80,000 行原样保留（逐行字节一致），新增部分单独成分片后按同一哈希排名抽样并入，因此 120k 是 160k 的严格前缀，两者与 v0.2 的差异只在"多了什么"。新增块内选择式约 55%，合并后整体为 51.7%（120k）/ 52.5%（160k）。

任务	来源	形式	v0.2	120k	160k
livechat_addressee_recognition_sft	LiveChat	选择（10 选 1）	25,000	25,000	25,000
livechat_response_generation	LiveChat	生成	20,000	26,000	32,000
text_proxy_continuation	Live-WhisperX-526K	生成	20,000	20,000	20,000
text_continuation_selection_sft	Live-CC-5M	选择（4 选 1）	15,000	15,000	15,000
liveqa_timeline_qa_sft	LiveQA	选择（2 选 1）	—	10,000	20,000
sensai_moderation_sft	Sensai	标签（2 类）	—	4,000	8,000
review_rating_selection_sft	Amazon Reviews 2023	选择（5 选 1）	—	4,000	8,000
product_category_selection_sft	MEP-3M	选择（4 选 1）	—	4,000	8,000
product_description_generation	Amazon Reviews 2023	生成	—	4,000	8,000
review_headline_generation	Amazon Reviews 2023	生成	—	4,000	8,000
title_from_ocr_generation	MEP-3M	生成	—	4,000	8,000

新增任务的答案全部取自源记录字段：LiveQA 的金标候选、Sensai 的管理员操作标签、Amazon 的 rating / 评论 title / 商品 description、MEP-3M 的 sub_class_name / title。

LiveQA 一项与评测格式同构、长度不同构：评测给整场时间线（中位数 17k 字符），训练的 max_seq_len 为 2048，因此训练样本只保留 <QUESTION_HERE> 前 ≤500 字、后 ≤1,700 字的窗口（题目在结果出现之前提出，所以窗口向后倾斜）。证据可能落在窗口外的样本在 limitations 中标出，未做过滤。Amazon 评论按随机字节偏移抽样，并以 64 / 行长度的概率接受以抵消长记录被多抽的偏差；评分任务在五个星级间分层。

评测隔离：LiveQA 排除评测切分（sha256('livedomainbench-v1:liveqa:' + game_id) 前 8 字节 mod 100 ≥ 90）的全部 149 场；Sensai 按 NFKC + 空白折叠 + casefold 后的文本哈希排除评测 1,000 条，并丢弃同一文本在源数据中同时带两种标签的行；Amazon、MEP-3M 与评测集无同源；LiveChat 增量取自 v0.2 同一 SFT 主播池的哈希排名 20,001 起。构建与抽样后各做一次全量核对：所有行的 group_id 与评测 denylist 及评测样本分组交集为 0。

GRPO prompt 池

subset	LiveChat addressee	时序文本续写（Live-CC）	合计
v0_1_grpo	138,167	10,000	148,167
v0_2_grpo	138,167	30,000	168,167

reward 由规则判定：正确性权重 0.9、格式权重 0.1，见每行的 reward_spec。

字段

字段	类型	说明
sample_id	string	<来源>/<记录id>/<stage>/<task>/<版本>，全局唯一
event_id	string	源记录标识
group_id	string	隔离用分组键：LiveChat 为 livechat/streamer/<id>，时序文本为视频 id
split / stage	string	sft_train / rl_train；sft / rl
source_category	string	livestream_interaction / asr_transcript_continuation
messages	list<struct{role, content}>	单轮对话，可直接喂给 chat template
task / answer_type	string	任务名；long_text / short_text / choice（选项字母）/ label（flagged / nonflagged）
modalities	list<string>	目前均为 ["text"]
derivation	struct	构造方法、prompt 版本、验证方式；选择式样本含 source_stage
source	struct	源数据集、源 split、源下标、源记录 sha256
reward_spec	struct	仅 GRPO 池：金标、评分器、各分量权重
observation_end_ms / target_interval_ms	int / list	仅时序文本样本：观测截止时刻、目标区间
limitations	list<string>	已知局限，如时序文本的 video_removed、LiveQA 的 timeline_windowed_to_fit_max_seq_len_2048
license_tag	string	来源许可标记

缺失的可选字段在 parquet 中为 null。

隔离

SFT 与 GRPO 使用互斥分组：LiveChat 按 streamer_id 切分（SFT 108–135 名主播，GRPO 27 名），时序文本按原视频 id 切分；两阶段的 group_id 交集为 0，且都排除了评测集 LiveEval-Research 占用的分组。manifest 校验：全部 sample_id 唯一。

来源与许可

来源	内容	许可状态
LiveChat（ACL 2023）	抖音主播画像、观众评论—主播回复对	research_only_pending_license_review
Live-WhisperX-526K	词级时间戳 ASR 转录	见源仓库
Live-CC-5M	实时讲解字幕	见源仓库
LiveQA（CCL 2020）	虎扑 NBA 文字直播与解说员竞猜题	未标注，research_only_pending_license_review
Sensai	YouTube VTuber 直播间聊天与管理员操作标签	未标注，research_only
Amazon Reviews 2023（McAuley Lab）	亚马逊商品评论与商品元数据	学术研究用途，research_only
MEP-3M（Pattern Recognition 2023）	中文电商商品标题、OCR 与三级类目	MIT，文档限定仅学术用途，research_only

本数据集整体按 research-only 登记，不构成任何来源的商业训练授权。