Aesir-Character-CoT-roleplay
קוד פתוחbeyoruapache-2.02026-04-28
הדאטהסט מציע שרשראות חשיבה שנכתבו מנקודת המבט של הדמות עצמה ולא כהנחיות ביצוע של מודל. מי שמחפש לאמן מודלים למשחקי תפקידים ימצא כאן מונולוג פנימי עקבי שמחזיק לאורך שיחות ארוכות.
- 770הורדות בחודש
- 29לייקים
מה זה
במאגר יש 1,973 שיחות שכוללות כ־14,349 תורות של עוזר. הנתונים מתבססים על כרטיסי דמויות מהפרויקט של Gryphe, כאשר שרשראות החשיבה זוקקו באמצעות המודל deepseek-v4-pro עם מאמץ חשיבה מקסימלי, והתשובות נבדקו על ידי claude-sonnet-4-6 ולעיתים Opus. הטקסטים של המשתמש עברו ניקוי שהסיר קידומות של שמות דמויות.
הסינון הראשוני בחר שיחות ארוכות עם לפחות 13 תורות ופרומפט מערכת של 2,500 תווים ומעלה, ובהמשך הורחב לשיחות של 10 תורות ו־2,000 תווים. מתוך 2,000 שיחות שזוקקו, 27 נזרקו בגלל תוכן אסור, חוסר בדיקה או תוכן ריק. מתוך השיחות שנשארו, 1,903 הוגדרו נקיות לחלוטין ורשומות אחרות סומנו כגבוליות.
מתאים ל
- אימון מודלי תפקידים
כוונון עדין למודלי שיחה כדי שיישארו בתוך הדמות לאורך תורות מרובים.
- מחקר על שרשראות חשיבה
ניתוח האופן שבו מונולוג פנימי של דמות משפיע על התשובה הגלויה לעומת חשיבה רגילה.
- בניית בוטים אינטראקטיביים
יצירת דמויות למשחקים עם עולם פנימי, זיכרונות וקול ייחודי באנגלית.
איפה זה נופל
הטקסטים כוללים תוכן למבוגרים ואינם מצונזרים, כך שהם לא מתאימים לכל מוצר. כל הדאטה בנוי באנגלית בלבד. למרות הסינון שהסיר תכנים פוגעניים קשים, יש עדיין דוגמאות גבוליות שדורשות סינון בקוד. שרשרת החשיבה אינה מושלמת, ולעיתים הדמות עדיין חושבת כמו מודל שמנסה לרצות במקום לשמור על דמות אותנטית.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט הזה למטרות מסחריות?
ברישיון הרשמי מופיע apache-2.0, אבל היוצר מבהיר שהרישיון תלוי במקורות של Gryphe ודורש בדיקה עצמאית. בנוסף, הנתונים נוצרו בזיקוק ממודלים מסחריים כמו DeepSeek וקלוד, מה שמייצר סיכון משפטי נוסף.
האם יש תמיכה בעברית?
אין בדאטהסט שום תוכן בעברית. כל כרטיסי הדמויות, הפרומפטים והמונולוגים הפנימיים נוצרו ונבדקו באנגלית בלבד.
במה הדאטהסט שונה ממאגרי תפקידים אחרים?
ברוב המאגרים מודל החשיבה מסביר לעצמו איך לענות, למשל לכתוב שהמשתמש שאל שאלה וכדאי לענות בתוקפנות. כאן תגיות החשיבה מכילות את המחשבות הישירות של הדמות עצמה.
איך בוצע הסינון של הנתונים?
השתמשו במודל claude-sonnet-4-6 בתור שופט שבדק את איכות התוכן וסינן חומרים אסורים. תורות המשתמש נוקו מתגיות שמות מיותרות, ושיחות קצרות מדי נפסלו מראש.
איך טוענים
טוענים את הדאטה ישירות מספריית datasets בפייתון דרך הפיצול train, ללא צורך באישור גישה מראש. הקובץ המרכזי מגיע בפורמט parquet יחד עם תמונת הדגמה. המבנה כולל מערך הודעות סטנדרטי של מערכת, משתמש ועוזר, כאשר החשיבה מופיעה בתוך תגיות think בתחילת התשובה. כדאי לסנן מראש את השדה reviewer_verdict כדי להיפטר מרשומות שסומנו כבעייתיות.
from datasets import load_dataset
ds = load_dataset("beyoru/Aesir-Character-CoT-roleplay")הרישיון
המטא-דאטה מציג רישיון apache-2.0, שמאפשר שימוש חופשי וגם מסחרי ללא תשלום, בתנאי של מתן קרדיט. עם זאת, יוצר המאגר מציין בגוף הטקסט שהרישיון נגזר מדאטהסט המקור ושיש לבדוק את הזכויות לפני שימוש מסחרי. אימון מודל עלול לחשוף אתכם להגבלות של יוצרי הפרומפטים המקוריים או לתנאי השימוש של המודלים המזקקים.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים