Home-Assistant-Requests

מה זה

הנתונים מדמים שיחות בין משתמש לעוזר אישי ששולט בבית חכם. הבקשות מכילות פקודות לפעולות במכשירים, בדיקת סטטוס ופרקי זמן, והתשובות מחזירות קריאת שירות תואמת לצד מלל חוזר למשתמש בהתאם לאישיות שהוגדרה לעוזר.

המאגר לא נאסף משיחות של אנשים אמיתיים, אלא מורכב בצורה סינתטית מתוך ערימות של קובצי CSV. קבצים אלה כוללים רשימות מבודדות של שמות מכשירים, תבניות לפעולות, בקשות סטטוס, הנחיות מערכת ותגובות. תסריט פייתון בשם generate_home_assistant_data.py מחבר את חלקי המידע האלה יחד לכדי הקשר מלא ושיחה שלמה.

הנתונים המוכנים שמורים בקובצי jsonl עבור אימון ומבחן, אך התסריט מאפשר לייצר חלוקות בגדלים שונים, החל מסט קטן ועד סט מורחב, וכן לייצא דגימות לבדיקה מהירה.

מתאים ל

• אימון עוזר אישי לבית חכם

  לימוד מודל שפה לזהות פקודות הפעלה של מכשירי חשמל ולהחזיר קריאת שירות נכונה.

• התאמת אישיות לתגובות

  אימון מודלים להחזיר תשובות באופיים שונים לפי הנחיות מערכת ייעודיות.

• הרכבת דאטהסטים היברידיים

  מיזוג נתוני שליטה בבית יחד עם סטים חיצוניים כמו Alpaca ליצירת עוזר רב תכליתי.

איפה זה נופל

הנתונים סינתטיים לחלוטין ומבוססים על תבניות קבועות, מה שאומר שהמודל עלול להתקשות להתמודד עם ניסוחים חופשיים או מורכבים של משתמשי קצה שלא הוגדרו מראש בקובצי המקור. בנוסף, המאגר תומך כרגע באנגלית בלבד. מי שבונה מוצר בעברית יצטרך לתרגם או לייצר את כל קובצי המקור מחדש.

הכרטיס מציין במפורש שהוספת יכולות חדשות של Home Assistant נמצאת עדיין בסטטוס עבודה שטרם הושלם, כך שהכיסוי של רכיבי המערכת מוגבל למה שכבר הוגדר בתבניות הקיימות.

אותה משפחה

Home-Assistant-Requests יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך טוענים

אין כאן תהליך אישור גישה. אפשר להוריד את קובצי ה־jsonl המוכנים ישירות מהמאגר, או להריץ את סקריפט הפייתון כדי להרכיב את הנתונים מחדש מתוך קובצי ה־CSV. גודל המאגר נע בין עשרת אלפים למאה אלף רשומות.

התסריט תומך בייצוא בשני פורמטים עיקריים, ShareGPT או ChatML. אם אתם מרכיבים את הדאטהסט בעצמכם, השדות המרכזיים בנתוני התגובות הם שם השירות, טקסט התשובה, סוג האישיות ואינדיקטור לתשובה קצרה שמאפשר לשרשר כמה פעולות יחד.

from datasets import load_dataset

ds = load_dataset("acon96/Home-Assistant-Requests")

הרישיון

המאגר מופץ תחת רישיון MIT, שמאפשר שימוש חופשי כולל שימוש מסחרי, שינוי הקוד והפצה, כל עוד שומרים על הודעת זכויות היוצרים המקורית. מודל שאומן על הנתונים הללו פטור ממגבלות שיתוף מיוחדות, אך אם משתמשים בתסריט כדי למזג נתונים ממאגרים חיצוניים כמו Alpaca או WizardLM, הרישיונות שלהם עשויים להגביל שימוש מסחרי במודל הסופי.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗