本数据集是以粤语为载体、以岭南文化为核心构建的高质量问答文本数据集，旨在系统呈现与传承岭南地域文化，并支撑相关大模型的训练与优化。 数据集围绕“表层文化—中层文化—深层文化”三层框架，系统涵盖工艺器物、建筑景观、节庆习俗、饮食文化、语言与价值观等多领域，并通过贴近日常的粤语问答场景展开。每条数据均包含用户问题、思维链推理说明及最终答案，其中思维链清晰呈现知识梳理与表达组织的逻辑路径，有效引导模型进行链式思考与在地化输出。 数据处理严格遵循专业标注流程与质控机制，由具备文化背景与粤语能力的人员完成构造、撰写与多轮复核，确保内容事实准确、表达自然得体、逻辑严谨可追溯，不含个人信息与不当内容。 本数据集主要面向文旅、文博、传媒及公共文化服务等领域，可用于开发粤语智能导览、文化知识问答、互动科普及内容生成等应用。通过近1.1万条高质量样本，能显著提升算法在粤语理解生成、文化知识表达与复杂推理方面的能力，并为算法备案后的评估与迭代提供重要基础资源。

1、数据生产：数据集以“岭南文化知识结构化梳理+粤语口语化问答设计+思维链标注”为核心路径，由申报单位在可控环境下自建生产，未采集真实用户对话或日志数据，不包含任何个人身份信息，属于自行生产的知识类非个人信息数据集。2、知识体系与场景设计：以岭南文化为主轴，结合“表层文化—中层文化—深层文化”三层结构，对工艺器物、建筑景观、节庆习俗等细分领域进行系统梳理。在当前样例文件中，重点展示了“表层文化—建筑景观—岭南建筑”相关条目，问题贴近日常生活场景。后续扩展覆盖传统服饰、宗教与信仰等多领域，使数据集多维度呈现岭南文化。3、数据生成与标注流程：（1）问题构造：由具备岭南文化背景和粤语能力的策划人员口语化方式设计问题。（2）思维链撰写：标注人员围绕每个问题，以“理解提问意图 → 梳理知识脉络 → 组织表达结构”为顺序撰写思维链说明，呈现推理路径、信息选取与表达策略。（3）答案撰写与润色：基于思维链形成粤语回答文本，采用粤语口头语风格，确保回答在事实准确性、语气友好性、本地表达自然度三方面均达标。（4）质控机制：每条样本至少经过两轮人工复核。

1、面向对象与典型应用：面向使用《岭南文化大模型文本生成算法》的商用及科研用户，包括文旅景区、博物馆与展馆、文化传媒机构、城市公共文化服务平台等。支持构建：（1）粤语智能问答与导览助手；（2）岭南文化知识库与内容创作辅助工具；（3）在地文旅推荐、路线规划与解说机器人；（4）面向青少年与游客的互动式文化科普应用等。2、对算法能力的支撑作用：通过 10,950 条高质量问答与思维链样本，显著增强算法在以下方面的能力：（1）粤语自然语言理解与生成：覆盖多类生活场景与表达风格；（2）岭南文化知识掌握与在地表达：保证内容准确、表达地道；（3）链式推理与解释能力：借助thinking字段，提升模型在复杂、分步推理任务中的表现。数据集可作为算法备案后在特定知识领域文本生成场景的测试与评估基线，为后续性能验证与持续迭代提供客观依据。

样例数据详见数据样例附件 附件下载

字段名称 数据类型 是否必填 字段说明，id Integer 是 样本编号，自增主键 。layer_name String 是 文化层级，如“表层文化 / 中层文化 / 深层文化”等。domain String 是 领域，如“建筑景观 / 饮食文化 / 语言与语言学”等。subcategory String 是 子领域或子类，如“岭南建筑”“传统器物”“人生礼仪”等。tag String 是 主题标签，更细粒度描述知识点，如“骑楼”“碉楼”等。subject String 是 主题标题或知识小节名称。question String 是 粤语问题文本，多为口语化问句。thinking String 是 思维链 / 推理过程说明，解释如何理解问题与组织答案。answer String 是 粤语回答文本，面向用户可见的最终回答。