SciEdu_text_aug

OpenArm SciEdu pi0.5 학습에 쓰는 같은 뜻 문장 목록이다. H200 학습 서버의 scripts/text_aug/를 그대로 올렸다.

형식

{"<학습 원문(데이터셋 meta/tasks.parquet의 문장)>": {"train": ["같은 뜻 문장 6개"], "test": ["학습에 넣지 않는 같은 뜻 문장 2개"]}}

• train은 학습 때 쓴다. test는 평가 전용이고 학습에 넣지 않는다.
• 앞부분("Do the ... experiment. ")은 대부분 그대로 두었다. 원문마다 train 하나는 앞부분을 바꿨다(예: "Redox reaction experiment: ...").
• left/right, dipped, "then stop above it"처럼 문장을 가르는 말은 원문과 같게 두었다.

파일

파일	원문	맞는 데이터셋
paraphrases_sciedu_ctx_v2.json	20개, 학습용 12 + 평가용 2 + 먼 평가용 2	SciEdu_291epi. SciEdu_291epi_aug_pi05 학습에 쓴다
paraphrases_sciedu_ctx.json	20개 (나뭇잎 방향 2 + Redox 9 + 검전기 7 + 맥락별 2)	SciEdu_pauses_3exp_210epi_leafdir_ctx, ..._ctx2와 같은 문장을 쓰는 데이터셋
paraphrases_pauses3_leafdir.json	18개 (나뭇잎 방향 2 + Redox 9 + 검전기 7)	SciEdu_pauses_3exp_210epi_leafdir
paraphrases_pauses3.json	18개 (나뭇잎 규칙 2 + Redox 9 + 검전기 7)	SciEdu_pauses_3exp_210epi

학습에 넣는 법

데이터셋은 바꾸지 않는다. 학습 런처(scripts/train_pi05.py의 install_text_augmentation)가 lerobot-train의 배치 반복자(lerobot.scripts.lerobot_train.cycle)를 감싼다. 배치의 task 문장마다 확률 TEXT_AUG_P(기본 0.5)로 train 목록에서 하나를 무작위로 골라 바꾼다(시드 TEXT_AUG_SEED, 기본 0). lerobot 코드는 고치지 않고, 저장되는 전처리기도 그대로라 추론은 바뀌지 않는다.

TEXT_AUG=scripts/text_aug/paraphrases_sciedu_ctx.json TEXT_AUG_P=0.5 ...

10/4에 이 방식으로 돌린 학습(..._leafdir_textaug_pi05)은 12,798스텝에서 멈추고 버렸다. 5천 스텝까지 문장의 절반(80,262 / 160,032)이 바뀌었고, 목록에 없는 문장은 0이었다. 이 방식으로 끝까지 학습한 모델은 아직 없다.

v2: 더 다양한 표현 (2026-10-06)

운영자가 더 다양하게 넣자고 해서 build_v2.py로 만들었다. v1의 학습용 6개·평가용 2개는 그대로 두고 원문마다 다음을 더했다.

• 학습용 6개
  • 사물 이름 바꾸기: metal strip, blue liquid, fur cloth, leaf card
  • 앞부분 꼴 바꾸기: In the ... experiment,, Redox experiment:, For the ... experiment, please, ... task.
  • 공손한 말과 문장 구조 바꾸기
• test_far 2개: 학습에 한 번도 나오지 않는 앞부분 꼴(During the ..., We are doing ... Now, This is ... Next,)과 이름(sheet, container, pad)을 쓴다.
  • test는 학습 표현과 가까운 평가이고, test_far는 먼 평가다.

문장을 가르는 말은 build_v2.py가 기계로 검사한다: left/right, dipped, "위에서 멈춤", left beaker / blue solution, 실험 이름. 학습 런처는 train만 읽는다.