AM-Thinking-v1-Distilled
קוד פתוחa-m-teamרישיון לא דווח2025-05-19
המאגר מרכז כמעט שני מיליון רשומות זיקוק להסקה לוגית, קוד ומתמטיקה ממודל AM-Thinking-v1. הוא מיועד למי שרוצה לאמן מודלים על שרשראות חשיבה ארוכות שעברו אימות אוטומטי קפדני.
- 1,412הורדות בחודש
- 62לייקים
מה זה
הנתונים בנויים מ־1.89 מיליון שאילתות ייחודיות שעבורן המודל ייצר תגובות הכוללות תגיות חשיבה ותשובה סופית. התוכן מחולק לקבצי jsonl לפי נושאים, ביניהם שיחות כלליות שמהוות כ־41.8 אחוז, חשיבה מתמטית עם כ־29.5 אחוז, יצירת קוד שמכסה כ־17.1 אחוז, ומעקב אחר הוראות ומדע שתופסים כ־11.6 אחוז מהנפח. חלק מהשאילתות מגיע ממקורות מוכרים כמו OpenHermes-2.5.
כל פלט במאגר עבר סינון לפי התחום שלו. פתרונות מתמטיים נבדקו בכלי Math-Verify, קטעי קוד הורצו מול מקרי בדיקה בסביבת ארגז חול, ומשימות שיחה עברו הערכה באמצעות מודל תגמול. בנוסף, הצוות ניפה טקסטים לפי מדד פרפלקסיטי באמצעות מודל 32B, מחק חזרות של n-gram ופסל רשומות שלא עמדו במבנה התגיות המבוקש.
מתאים ל
- אימון מודלי הסקה
לימוד מודלים פתוחים כיצד לפרק בעיות מורכבות בעזרת תגיות חשיבה מובנות לפני הפלט.
- אימון על קוד ומתמטיקה
שיפור ביצועים במשימות תכנות וחישוב על בסיס דוגמאות שעברו אימות והרצה בסביבת בדיקה.
- מחקר על תהליכי זיקוק
השוואת איכות התוצרים של מודל המקור מול מודלים מתחרים על בסיס אותן 1.89 מיליון שאילתות.
איפה זה נופל
החומרים מוגבלים לשפות אנגלית וסינית בלבד, כך שאי אפשר להסתמך עליהם לשיפור יכולות בעברית. כל הנתונים מבוססים על זיקוק ממודל ספציפי, ולמרות הסינון האוטומטי, מודלים כאלה נוטים לסחוב הטיות מובנות או שגיאות עדינות שלא נתפסו בבדיקות. המגבלה החריפה ביותר נמצאת בהצהרת היוצרים, שאוסרת במפורש כל שימוש שאינו מחקרי טהור ופוסלת פעילות מסחרית.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
לא, היוצרים כתבו במפורש שהשימוש מוגבל למחקר בלבד ואסרו שימוש מסחרי. מעבר לכך, בעמוד לא מוגדר רישיון קוד פתוח תקני. שילוב הנתונים במודל עסקי מייצר חשיפה משפטית ברורה.
האם הדאטהסט כולל תמיכה בשפה העברית?
הנתונים מתמקדים אך ורק באנגלית ובסינית, כפי שמופיע בהגדרות המאגר. אין בו דוגמאות בעברית, ולכן הוא לא מתאים למי שמחפש לשפר ביצועי שפה מקומיים. הוא מיועד בעיקר ליכולות הסקה כלליות, קוד ומתמטיקה.
איך סוננו התשובות של המודל כדי להבטיח איכות?
הסינון התבצע באופן אוטומטי ומותאם לכל תחום תוכן. קוד נבדק על ידי הרצה מול מקרי מבחן בארגז חול, מתמטיקה נבדקה בתוכנת Math-Verify, ושיחות כלליות עברו מודל תגמול וסינון פרפלקסיטי דרך מודל 32B. כל רשומה כוללת ציון אימות של 0.9 לפחות.
מה ההבדל בינו לבין המאגר המקביל AM-Qwen3-Distilled?
שני המאגרים חולקים בדיוק את אותן 1.89 מיליון שאילתות ועברו את אותו תהליך סינון ואימות. ההבדל היחיד הוא מודל המקור שייצר את שרשראות החשיבה, כאן מדובר ב־AM-Thinking-v1 ובשני ב־Qwen3-235B-A22B. לפי המדדים בעמוד, המאגר הנוכחי הציג תוצאות גבוהות יותר במבחני LiveCodeBench ו־MATH500.
איך טוענים
המאגר כולל עשרה קבצים וזמין להורדה ישירה דרך ספריית datasets או כקובצי jsonl ייעודיים כמו math.jsonl ו־code.jsonl, ללא צורך באישור גישה מוקדם. כל רשומה כוללת רשימת שיחות מובנית שבה שדה התוכן מכיל תגיות think ו־answer, לצד מטא-דאטה מפורט בתוך שדה info. שם תמצאו את מקור הנתונים, ציון האימות verify_score שמתחיל מ־0.9 ומעלה, ואת ערך הפרפלקסיטי. קחו בחשבון שחלק משדות המערכת ריקים כי הם לא שימשו באימון המקורי.
from datasets import load_dataset
ds = load_dataset("a-m-team/AM-Thinking-v1-Distilled")הרישיון
היוצרים לא הצמידו רישיון תוכנה תקני בעמוד המאגר, אך בסעיף המגבלות הם קבעו איסור מפורש על כל שימוש מסחרי והגבילו את המידע לצורכי מחקר בלבד. העדר רישיון מסודר בשילוב ההגבלה הזו הופך שימוש במוצרים עסקיים לסיכון משפטי, ולא הייתי מכניס את הנתונים האלה לפיתוח של מודל מסחרי.