docs(data): Knowledge 저장소 구조와 최종 데이터 기준 정리

[hywznn]

연결 Issue

Closes #46

변경 내용

• 루트와 패키지 README를 실제 저장소 구조에 맞게 간결하게 정리
• Hugging Face를 모델 배포 기준 위치로 명시하고 Git LFS snapshot의 역할 구분
• 최종 Intent 데이터 1,340건을 canonical source로 지정
• Train 1,072건 / Validation 268건의 실제 ID 경로·SHA-256·최종 라벨 분포 정정
• split JSON Schema와 source hash, 중복·누락, template leakage, 통계 검증 추가
• 최종 데이터의 명확한 구조 오류 3건 수정
  • ID 1091, 1125: evidence 원문 등장 순서대로 Intent 배열 복원
  • ID 1322: 원문에 없는 비연속 evidence를 exact substring으로 수정

변경 이유

최종 데이터와 모델 산출물이 main에 병합된 뒤에도 README와 manifest가 검수 전 데이터 및 provisional split을 가리켜, 실제 사용 기준과 자동 검증 대상이 달랐습니다. 그 결과 최종 JSONL의 구조 오류 3건이 기존 CI에서 검사되지 않았습니다.

데이터 변경

항목	내용
최종 데이터	1,340건 유지, 구조 오류 3건 수정
현재 source	version 1.2.1 / SHA-256 84d1b0de9ec4a009c36ffcf7e06d146affe5535d0f0791c1afd593ef9aa80cfb
Train / Validation	1,072 / 268, ID 변경 없음
라벨 분포	변경 없음
개인정보	패턴 검사 통과

현재 포함된 모델 가중치는 수정 전 version 1.2.0 snapshot(SHA-256 447174a9...)으로 학습되었습니다. 이번 PR에서는 재학습하지 않았으며 manifest와 모델 README에 lineage를 명시했습니다.

검증

• make check
• Ruff format/check
• Knowledge validation
• 18 tests
• Train/Validation 교집합 0
• 전체 1,340 ID 완전 포함
• normalized template split leakage 0
• source/output SHA-256 검증
• 개인정보 패턴 검사
• git diff --check

영향 및 제한사항

• 모델 재학습·성능 재평가와 대용량 가중치 이동은 포함하지 않습니다.
• Validation 268건은 독립 Gold Test가 아니므로 최종 성능 주장에 사용할 수 없습니다.
• 운영 모델 서버의 장기 소유권은 fowoco/ai로 유지합니다.

리뷰 포인트

• final JSONL 3건의 구조 수정이 Intent 규칙 v1.1과 일치하는지
• 기존 split ID를 유지하고 최종 라벨 통계만 다시 계산한 lineage 설명이 충분한지
• Hugging Face와 Git LFS의 역할 구분이 팀 정책과 맞는지