обновлен процесс обработки данных

config.yaml

@@ -1,13 +1,14 @@
 # Число итоговых обучающих строк СУММАРНО по full/step/branch.
 # CLI --count имеет приоритет. Можно указать 0, 1, 100, 500000 и т.д.
 target_examples: 500000
-seed: 20261021
-output_dir: dataset/assembly-ru
+seed: 20261032
+output_dir: dataset/assembly-ru-branch-500k
 prompts_file: prompts.yaml  # инструкции LLM и обучающих записей
-modes: [full, step, branch]
-step_sampling: one  # one: один шаг на эпизод; all: каждый шаг отдельной строкой
+# modes: [full, step, branch]
+modes: [branch]
+step_sampling: all  # one: один шаг на эпизод; all: каждый шаг отдельной строкой
 shard_size: 1000
-split: [1.0, 0.0, 0.0]  # разделение по сценарию; малые наборы не гарантируют все split
+split: [0.8, 0.2, 0]  # разделение по сценарию; малые наборы не гарантируют все split
 min_components: 1
 max_components: 10
 blocked_fraction: 0.2
@@ -37,7 +38,7 @@ teacher:
   # Для существующей интеграции Codex замените llm выше:
   llm:
     provider: codex
-    model: gpt-6-astra
+    model: gpt-6-luna
     credential_path: .config/codex-credentials.json
   generation:
     temperature: null