diff --git a/scripts/generate_teacher_completions.py b/scripts/generate_teacher_completions.py
index 16447d8..a7fe366 100644
--- a/scripts/generate_teacher_completions.py
+++ b/scripts/generate_teacher_completions.py
@@ -19,9 +19,14 @@ from ars_opd.teacher import TeacherClient, generate_completions
 
 # 非显然约束：这里的 dataset/subset_size/seed 必须与 T5 训练脚本完全一致——
 # 两侧各自走"加载→归一→抽子集"，seed 相同才是同一批题（data.py 有详注）
-DATASET_PATH = "data/dapo-math-17k.parquet"
+DATASET_PATH = "data/dapo-math-17k-unique.parquet"  # DAPO 官方去重版，17917 行
 CACHE_PATH = "data/teacher_completions_dapo1k_minimax-m3.jsonl"
 
+# 试跑说明：首次建议把下面 subset_size 临时改成 5，跑通并人工抽查缓存里的解答
+# 质量（think 是否剥净、格式是否正常）后再改回 1000 重跑。放心改：subset 是对
+# 同一 seed 的洗牌序列取前缀，前 5 条与前 1000 条的头 5 条完全相同，试跑写入的
+# 缓存在正式跑时全部命中，一分钱不浪费。
+
 sft_cfg = SFTConfig(
     dataset_path=DATASET_PATH,
     output_dir="outputs/_unused",  # 本脚本不训练，仅复用数据管线配置