lilac

מה זה

הכלי מציג נתוני אימון טקסטואליים ומאפשר לסנן, לנתח ולבדוק את האיכות שלהם. במקום להוריד קבצי ענק למחשב, מקבלים ממשק חזותי שמרכז שורה ארוכה של מאגרים מוכרים מהתחום, כמו שיחות של עוזרים דיגיטליים, דוגמאות קוד ומבחני ביצועים סטנדרטיים.

מאחורי הקלעים רץ שרת דוקר שמאגד עשרות מאגרי נתונים ייעודיים, ביניהם אוספי שיחות כמו UltraChat ו־OpenOrca, דאטה לקריאת פונקציות של glaive ומבחנים כמו HumanEval ו־GSM8K. הממשק נבנה כדי להציג את הפיצול הזה ולאפשר חיטוט נוח בתוך הטקסטים שמרכיבים אותם.

מי שפותח את הדף אמור לראות את המאגרים האלה מוכנים לעבודה, עם דוגמאות טקסט אמיתיות שמשמשות לאימון מודלי שפה, כולל חלוקה לפי נושאים, שאלות ומשימות קידוד.

מתאים ל

• בדיקת איכות של נתוני אימון

  צפייה ישירה בדוגמאות מתוך מאגרים כמו Capybara כדי לבדוק את טיב הטקסט.

• חקירת סטי דאטה לקוד

  מעבר על נתונים טכניים של קריאות פונקציה וקוד ממאגרי glaive ומבחני קידוד.

• השוואת מבחני ביצועים

  בחינת השאלות והפתרונות במאגרים כמו HumanEval או GSM8K להבנת מבנה הבדיקות.

איפה זה נופל

הבעיה המיידית היא שהעמוד מדווח על תקלת ריצה ולא מגיב, כך שאי אפשר לבדוק שום מאגר בפועל. מעבר לזה, רשימת הנתונים מוגבלת למאגרים ספציפיים שהוטענו מראש, בעיקר באנגלית ובקוד. לא ברור אם אפשר להעלות לשם קבצים עצמאיים בלי להרים את כל הסביבה באופן עצמאי.

איך משתמשים

כרגע אי אפשר להשתמש בהדגמה הזאת ברשת. המופע מוגדר על חומרת מעבד חזקה יחסית מסוג cpu-xl ורץ בתוך קונטיינר דוקר שמאזין לפורט 5432, אבל הוא נמצא במצב שגיאת ריצה. כשהוא כן עובד, אין צורך בהתקנה מקומית או התחברות, וניגשים ישר למאגרי המידע הטעונים.

הרישיון

הרישיון של המרחב הזה לא דווח. בלי הגדרה ברורה, קשה לדעת באילו תנאים מותר להשתמש בממשק עצמו, וכל מאגר נתונים שמוצג בו כפוף לתנאי הרישיון המקוריים שלו.

הרישיון המלא ב־Hugging Face ↗