cas-bigdatalab Naive Reverse Grouper
将批处理的样本拆分为独立样本。
本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用同以下指令进行安装：
pip install py-data-juicer
核心参数
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| input_path | string | 是 | - | 输入JSON文件路径 |
| output_path | string | 是 | - | 输出JSON文件路径 |
| export_path | string | 否 | - | 可选，导出批次元数据到JSONL文件 |
使用方法
python scripts/run_naive_reverse_grouper.py --input_path <input_path> --output_path <output_path> [--export_path <path>]
实现原理
参照测试代码 test_naive_reverse_grouper.py 中的 _run_helper 函数：
# 1. 将批次化样本列表转换为Dataset
dataset = Dataset.from_list(samples)
# 2. 初始化算子并执行（无参数，或传入 export_path）
op = NaiveReverseGrouper()
new_dataset = op.run(dataset)
输入输出格式
输入格式 (JSON数组，字段值为数组)
[
{"text": ["Sample 1", "Sample 2", "Sample 3"]}
]
输出格式 (JSON数组，拆分为独立样本)
[
{"text": "Sample 1"},
{"text": "Sample 2"},
{"text": "Sample 3"}
]
示例
示例1：基本拆分
python scripts/run_naive_reverse_grouper.py --input_path example_input.json --output_path output.json
示例2：同时导出批次元数据
python scripts/run_naive_reverse_grouper.py --input_path example_input.json --output_path output.json --export_path batch_meta.jsonl
注意事项
- 此算子无需额外参数（export_path可选）
- 输入样本的字段值为数组形式
- 输出会将数组展开为多个独立样本
- 如果传入 export_path，会将批次元数据导出为 JSONL 格式