BenchCAD

מה זה

הנתונים מחולקים לשלוש תצורות בדיקה נפרדות שמתמקדות בעולם התיב״ם. החלק המרכזי מציג 17,900 דגימות סינתטיות של קוד CadQuery שנפרסות על פני 106 משפחות של חלקים מכניים. כל רשומה בחלק הזה מכילה את קוד המקור, מטא-דאטה הנדסי כמו תקן ISO או DIN ומישור העבודה ההתחלתי, לצד חמישה רינדורים מנורמלים שכוללים מבט קדמי, עליון, צדדי, איזומטרי ותמונה מורכבת שמחברת ביניהם.

בנוסף לחלק של יצירת הקוד, המאגר מציע שתי תצורות ייעודיות להערכה: edit-bench שמיועד למדידת עריכה של מודלים קיימים, ותצורת QA לשאלות ותשובות טכניות. הקבצים שמורים בפורמט Parquet, כולל קובץ QA ייעודי וסדרה של 18 קבצי Parquet שמכילים את דגימות הקוד והתמונות.

מתאים ל

• אימון מודלי תמונה לקוד

  יצירת קוד CadQuery אוטומטי מתוך ארבעה היטלים של חלק מכני.

• הערכת עריכת CAD

  בדיקת היכולת של מודלי שפה לשנות מודלים הנדסיים קיימים דרך edit-bench.

• מענה על שאלות הנדסיות

  בחינת מודלים במענה על שאלות טכניות לגבי חלקים ומבנים באמצעות תצורת QA.

איפה זה נופל

כל הנתונים בחלק של יצירת הקוד הם סינתטיים לחלוטין ונשענים רק על ספריית CadQuery, בלי ייצוג לקבצי CAD תעשייתיים נפוצים כמו STEP או פורמטים של תוכנות מסחריות. התמונות שמורות ברזולוציה נמוכה יחסית של 134 על 134 פיקסלים, מה שמקשה על מודלי ראייה לחלץ פרטים עדינים. בנוסף, כל הנתונים, התקנים והשאלות כתובים באנגלית בלבד ואין במאגר שום תוכן בעברית.

איך טוענים

טוענים את המאגר ישירות דרך ספריית datasets על ידי ציון שם התצורה הרצויה, למשל code_gen. אין כאן תהליך אישור גישה או שאלונים. המאגר מגיע כקבצי Parquet מפוצלים, והוא כולל תמונות PNG קטנות ברזולוציה של 134 על 134 פיקסלים שמוטמעות ברשומות, כך שהשדות המרכזיים לעבודה הם התמונות, קוד הפייתון בשדה code, ורמת הקושי.

from datasets import load_dataset

ds = load_dataset("BenchCAD/BenchCAD")

הרישיון

המאגר משוחרר ברישיון cc-by-4.0. מותר להשתמש בו לצרכים מחקריים ומסחריים, לשנות אותו ולאמן עליו מודלים, בתנאי שנותנים קרדיט מתאים ליוצרים ומציינים שינויים שנעשו. הרישיון לא מחייב שיתוף של תוצרים באותו רישיון.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗