---
title: PrimerSearcher-SFT-Data
canonical_url: "https://www.modelscope.cn/datasets/YuhangJu/PrimerSearcher-SFT-Data"
md_url: "https://www.modelscope.cn/datasets/YuhangJu/PrimerSearcher-SFT-Data.md"
repository: YuhangJu/PrimerSearcher-SFT-Data
last_updated: 2026-10-12
license: "Apache License 2.0"
storage_size: "2.0 GB"
downloads: 20
stars: 0
---

# PrimerSearcher-SFT-Data

> PrimerSearcher-SFT-Data - YuhangJu 在 ModelScope 开源的数据集。只保留openseeker数据集中，token长度范围在120k内的数据。并且遵从ms-swift后训练格式

YuhangJu/PrimerSearcher-SFT-Data 是 ModelScope 魔搭社区上的数据集，存储大小 2.0 GB，采用 Apache License 2.0 许可。

- **Repository**: YuhangJu/PrimerSearcher-SFT-Data
- **License**: Apache License 2.0
- **Storage size**: 2.0 GB
- **Downloads**: 20
- **Stars**: 0
- **Last updated**: 2026-10-12

Source: https://www.modelscope.cn/datasets/YuhangJu/PrimerSearcher-SFT-Data

---

# 基于 openseeker 数据集进行进一步筛选和转换

## 一、筛选规则

- 要求 token 长度限制在 120k 内
- 要求只涉及到单工具调用
- 要求格式和轮次是完整的

## 二、转换规则

### （1）符合 ms-swift 自定义数据集的格式要求，顶层结构进行变换

- `trajectory` 字段 → 重命名为 `messages`
- 删除顶层冗余字段：`question`、`answer`、`number of tool calls`、`trajectory correctness`
- 输出格式：

```json
{"messages": [{"role": "...", "content": "..."}, ...]}
```

### （2）System Prompt 替换，与 Agent 执行时的提示词保持一致

- search、visit 等工具定义内容
- 角色定义说明提示词

### （3）Assistant 消息中 Tool Call 格式清洗

- 工具格式定义不一致的进行转换
- ChatTemplate 中不一致的工具调用标记 token，比如移除 `<tool_calls_begin>` / `</tool_calls_end>` 外层包裹

### （4）Assistant 答案简洁化

- 提取或总结原 Answer 中的简洁实体名