experiment current eksperymenty

EntiGraph — korpusy wiedzy 2×10M tok (wiki PL-focus + ZPE)

Observations

data: 2026-06-11 ↗
status: clean ↗
metoda: synthetic CPT data: relacje encji + parafrazy + streszczenia + QA (×~10 na fakt), teacher deepseek-flash ↗
harness: decon_audit 8-gram: 43 kolizje wycięte (0.047%) ↗
~200k faktów: 6.5k artykułów o Polsce + 64k akapitów egzaminacyjnych ZPE. Audyt verbatim na ZPE wyciął 1274 kolizje (1.37%; materiał szkolny pokrywa się z frazami egzaminów z evali — dokładnie po to jest bramka). Inżynieria throughput: 430 -> 13 000 tok/s (30x). Koszt łączny ~$8. ↗
slayer-data/knowledge/entigraph_pl_focus.clean.jsonl (shardy w repo datasets) ↗
n_examples: 183828 ↗
miks: zpe: para/sum/qa 47803 · wiki: relation 46713 · wiki: para/sum/qa 45489 · zpe: relation 45097 ↗