hayriyigit/bev-decision-150K-tr

Türkçe çeviri hakkında

Dataset şu an sadece test split içermekte

Train verisinin çevirisi devam etmektedir

Bu veri seti, avbiswas/bev-decision-150K veri setinin (revision f83fe8b97094112fa305bfc793be07c8f8742282) İngilizceden Türkçeye makine çevirisidir. Bu sürümde yer alan split(ler): test (24386 satır). Satır sayısı, sırası, sütunlar ve Parquet şeması kaynakla birebir aynıdır; yalnızca doğal dil metinleri çevrilmiştir.

Nasıl çevrildi

• Model: qwen3.8-flash-next, OpenAI uyumlu bir vLLM sunucusu üzerinden; temperature=0, reasoning (düşünme) kapalı. Prompt sürümü v2-json-bf88f95c.
• Birim düzeyinde çeviri: Satırlar bütün olarak çevrilmedi. Her satırdaki çevrilecek metin alanları ayrı ayrı çıkarıldı, aynı metin aynı bağlamda yalnızca bir kez çevrilip her yerde yeniden kullanıldı (191999 metin, 70520 benzersiz birim).
• Bağlam: Seçenekler (criteria) ait oldukları sorunun talimatıyla (instructions) birlikte modele gönderildi, böylece kısa ve çok anlamlı seçenekler doğru anlamda çevrildi. Bağlam yalnızca anlamı netleştirmek için verildi, çevrilmedi.
• Uzun metinler: 8000 karakteri aşan metinler paragraf, satır ya da cümle sınırlarından parçalara bölünüp ayrı ayrı çevrildi, sonra aynı sırayla birleştirildi.
• Prompt kuralları: Anlamı birebir koru, metindeki soruları yanıtlama, açıklama ekleme; sayıları, formülleri, URL'leri, tanımlayıcıları, backtick içindeki ve tırnaklı ifadeleri, @mention'ları ve satır sonlarını olduğu gibi bırak; saldırgan ya da nefret içeren metinleri sansürlemeden çevir.

Neler çevrildi, neler aynen kaldı

Çevrilenler:

• state: düz metin ise tamamı. JSON kayıt ise yalnızca doğal dil alanları: request, response, araç ve parametre açıklamaları (available_tools…description), recall_title, hazard, remedy_notice, reason_for_recall, assumption, descriptor, problem.
• questions_json: her kararın instructions metni ve criteria değerleri (seçenek metinleri ya da puan açıklamaları).

Aynen bırakılanlar:

• domain, question_types, question_count; questions_json içindeki karar adları (anahtarlar), type, label ve criteria anahtarları. Etiketler değişmedi, bu yüzden değerlendirme sonuçları kaynakla karşılaştırılabilir.
• JSON kayıtlarındaki diğer alanlar (kodlar, ürün adları, tarihler, sayılar, araç adları, enum değerleri).
• ``` ile çevrili kod blokları, içlerindeki yorum satırlarıyla birlikte (İngilizce kaldı).
• Yalnızca URL, snake_case tanımlayıcı, dosya yolu / test kimliği, rakam içeren tek kelime (ör. CVE kimlikleri) ya da harf içermeyen metinlerden oluşan alanlar.
• Mind2Web web sayfası öğeleri (<a> id=... text=... gibi satırlar).

Bu nedenle bazı satırlarda Türkçe metnin yanında İngilizce kod, veri alanı veya sayfa öğesi görülmesi beklenen bir durumdur.

Kalite kontrolü

Her çeviri otomatik olarak denetlendi:

• Birim düzeyi: sayılar, backtick içerikleri, URL'ler, @mention'lar, yer tutucular ve satır sonları kaynakla aynı mı; uzunluk oranı makul mü; metin çevrilmeden mi kalmış; İngilizce sızıntısı var mı; "Here is the translation" gibi önsöz ya da ret cevabı var mı.
• Satır düzeyi: JSON iskeleti (anahtarlar, liste uzunlukları, etiketler, çevrilmeyen alanlar) kaynakla birebir aynı mı; her etiket hâlâ geçerli bir seçenek mi; talimatlarda geçen seçenek anahtarları korunmuş mu; iki farklı seçenek aynı Türkçe metne çevrilmiş mi.

Sonuç: 68608 birim sorunsuz, 1912 birim şüpheli olarak işaretlendi (bunlar veri setinde yer alıyor), 0 birim çevrilemedi; kaynak dilde kalan alan sayısı 0. Şüpheli birimler elle gözden geçirilmedi. Ayrıntılar manifest.json dosyasındadır.

Sınırlamalar

Bu bir makine çevirisidir ve insan tarafından kontrol edilmemiştir. Terim tercihleri, üslup ve bağlamdan kopuk kısa seçeneklerde hatalar olabilir. Kaynak veri setinin lisansı ve kullanım koşulları bu çeviri için de geçerlidir.

Aşağıda kaynak veri setinin özgün (İngilizce) kartı yer almaktadır; görsel ve bağlantılar kaynak depoya işaret eder.

---

BEV 150K Decision Mix

150,000 English-language decision rows drawn from existing datasets, public records, and text-based game environments. Each row presents source-grounded input state and one or more bounded decisions inspired by the JEV CHOICE, NOUL, and SCORE contracts. The mixture aims to train models that select an option, judge a proposition, or assign an ordered score without generating a long free-form answer.

Split	Rows
Train	125,614
Test	24,386

There is no validation split. The split counts differ slightly from the four input batches because 169 rows were reassigned when packaging: 166 Upworthy rows moved from test to train and three rows moved from train to test to keep repeated input states and related source groups on one side. No rows were added or dropped. The original four batches remain unchanged. The release contains 140,007 distinct normalized input states; repeated states within a split can carry different decision questions.

Decision formats

Each decision row has a state string and a questions_json string containing a questions object keyed by meaningful decision names. Question types are:

Type	Target	Questions	Rows containing it	Share of all questions
CHOICE	Select a key from a bounded criteria map	120,842	90,946	40.7%
NOUL	Judge a yes/no proposition	118,265	63,968	39.9%
SCORE	Select an index on an ordered, described scale	57,475	44,134	19.4%
Total		296,582	150,000 unique rows	100%

The number of questions exceeds the number of rows because a state can have several decision targets. For CHOICE, criteria maps stable answer keys to option descriptions and label is one key. For NOUL, label is a boolean. For SCORE, criteria is an ordered list of anchored levels and label is its zero-based index. A SCORE label is an ordinal target; it is not a calibrated probability or an unconstrained numeric prediction.

Domains and skills

The table uses one primary domain per row. It describes the actual released mixture, not the sizes of the upstream datasets. Each link leads to an original source or source collection.

Domain	Rows	Share	Example decisions and upstream sources
Sentiment, emotion, and moderation	25,156	16.8%	Sentiment intensity, emotion, and toxicity from SST-5, GoEmotions, and Civil Comments
Retail, product, and shopping	19,883	13.3%	Purchase/cancellation outcomes, product categories, and review ratings from Online Retail II, Online Shoppers, Product Classification, and Recipe Reviews
Spatial and logical reasoning	19,579	13.1%	Spatial relations and true/false/unknown inference from SpaRTQA, SpaRP/SpaRTUN, and ProofWriter
Support and intent routing	12,656	8.4%	Classify a request and route it to a service area using CLINC150, MASSIVE, and BANKING77
Tool and workflow decisions	10,224	6.8%	Choose a service/tool and some enum or boolean arguments from Taskmaster-1 and Glaive Function Calling v2
Scientific and paper understanding	9,133	6.1%	Citation intent, claim evidence, and scientific yes/no judgments from SciCite, SciFact, and SciRIFF
Financial reporting and banking	9,003	6.0%	Report-table magnitude and observed term-deposit outcomes from TAT-QA and UCI Bank Marketing
Response preference and quality	8,693	5.8%	Choose a preferred response or an ordered human/reward rating from HelpSteer2 and UltraFeedback Binarized
Software engineering and code	8,186	5.5%	Select test transitions or assertion outcomes from SWE-smith-py and MBPP
Software security	7,000	4.7%	Source-assigned CVSS severity from NIST NVD descriptions
Browser interaction	4,786	3.2%	Pick a demonstrated page element from Mind2Web candidates
Engagement and ranking	4,248	2.8%	Compare measured headline click-through rates from the Upworthy Archive
Reading comprehension	3,619	2.4%	Answer grounded yes/no reading questions from BoolQ
Contract evidence	2,000	1.3%	Supported, contradicted, or unmentioned claims from ContractNLI
Game-state decisions	2,000	1.3%	Immediate action and score decisions from TextWorldExpress, ScienceWorld, and OpenSpiel
Spam detection	1,399	0.9%	SMS screening from the UCI SMS Spam Collection
Sensory quality rating	1,300	0.9%	Ordered wine quality from UCI Wine Quality
Civic and safety operations	1,135	0.8%	Service routing, recall class/remedy, and deadline policy from NYC 311, FDA, CPSC, and CISA KEV

Construction and provenance

Four independently built batches contribute 50,000; 19,997; 50,000; and 30,003 rows. Most labels come from upstream annotations, recorded outcomes, test transitions, simulator replays, or declared deterministic policies. In one 20,000-row slice, GPT-6 Luna rewrote bounded decision questions and selected source quotes from existing records; source-backed labels were kept. Other smaller Luna steps named existing response options or produced date-checkable deadline questions. The model did not author new primary source passages for this release. Some upstream corpora are themselves synthetic, template-generated, or model-generated; this is not a collection of exclusively human-written prompts.

The published rows include a primary domain category. The domain table above links the upstream sources. Row-level source identifiers, raw source downloads, and generation scripts are not included in this release.

Loading the data

data/train.parquet and data/test.parquet are the Hub-compatible viewer files. Their five columns are state, questions_json, domain, question_types, and question_count. The JSON column contains the flexible JEV-like question object. Read the decision questions with:

import json
from datasets import load_dataset

ds = load_dataset("avbiswas/bev-decision-150K")
example = ds["train"][0]
state = example["state"]
questions = json.loads(example["questions_json"])

The release contains only the two Parquet data files. Parquet is used because the heterogeneous nested question objects cannot be reliably inferred as one Arrow JSON schema.

Intended use and limits

This mixture is for training and studying bounded decision models. Its test split is a held-out portion of the mixture, not an independent benchmark suite. It includes existing benchmark families, so evaluating on those same public benchmarks requires checking record and source-family overlap first. Some choice alternatives are sampled or constructed, and answer frequencies were sometimes rebalanced; neither the test split nor SCORE outputs imply real-world calibration.

Several labels have narrower meanings than their names may suggest: a bank subscription is an observed outcome, not a causal recommendation to contact that customer; CVSS base severity is not asset-specific risk; game scores describe immediate transitions, not long-run expected return; and Taskmaster service choices are derived from annotated dialogues, not logs of executed tools. Some source judgments and LLM-rewritten questions may be noisy. English filtering was automated and should not be read as a guarantee that every excerpt is perfect English.

Attribution and redistribution

No single blanket license is asserted for this mixed-source release. The Hub metadata uses license: unknown for that reason. Consult the linked upstream sources, their papers, and their current terms before public redistribution or commercial use, and attribute every source used. In particular, the ProofWriter mirror leaves upstream redistribution rights to the user to confirm; NVD descriptions may be authored by third-party CVE reporters; and the GoEmotions release includes Reddit text. The generated question wording does not erase those upstream obligations.

Please cite this dataset's Hub page and the relevant upstream datasets or papers linked in the domain table above when using a subset.