# ztpop 邮件知识库训练数据集 v1.0.0

本数据集由 **ztpop.net 昆仑邮件系统知识库** 导出，包含邮件安全领域的问答对（我方原创表述），用于训练/微调邮件安全方向的大模型。

> 配套站点：https://www.ztpop.net （中文世界邮件系统技术知识库）

## 许可证
**CC BY 4.0** — 使用时须署名 `ztpop.net 昆仑邮件系统知识库`。
商业与训练用途均允许，唯须保留署名与许可链接。

## 合规声明（护栏）
- 数据集**仅含我方基于权威资料整理的原创表述**，不含任何 RFC / NIST / CISA 等第三方原文片段；
- 威胁情报、客户案例等 **L3 私有层数据未包含**；
- 数据集为自有表述的 Q&A 产物，**不是信源包**，不可被当作第三方版权文献使用。

## 文件说明
| 文件 | 内容 |
|------|------|
| `qa.jsonl` | 928 条问答对（instruction / input / output / meta），我方 SFT 自有表述 |
| `articles.jsonl` | 928 篇关联文章元信息（slug / section / license / attribution） |
| `manifest.json` | 数据集元数据与合规标记 |
| `CHANGELOG.md` | 版本记录 |

## 数据质量说明（诚实披露）
- 928 条 Q&A 中，当前 **208 条** 在 `meta.source_ref` 中带有可溯源的人类权威文献引用（RFC / 官方文档 URL）；
- 其余 **720 条** 的 `source_ref` 当前为空，属已知的「来源回填债务」，正由每日回填流水线持续补全。这些条目仍为我方原创表述，并非第三方文献复制；回填完成后将在后续版本中补全引用。
- 如用于严谨训练，建议优先采用带 `source_ref` 的子集，或等待 v1.1.0 全量回填后使用。

## 推荐加载方式
```python
import json
with open("qa.jsonl", encoding="utf-8") as f:
    data = [json.loads(l) for l in f]
# data[i]["instruction"] / ["input"] / ["output"] / ["meta"]
```

## 版本与更新
- v1.0.0（2026-08-10）：初始导出 928 条问答对。
- 后续版本将随来源回填进度提升 `source_ref` 覆盖率，并可能扩充至白皮书 / RFC 译本结构化问答。

---
© ztpop.net 昆仑邮件系统知识库 · 依据 CC BY 4.0 授权