empathetic_dialogues_llm

מה זה

המאגר מציע גרסה מעובדת של Empathetic Dialogues הוותיק. היוצר לקח את השורות הבודדות מהמקור, איחד אותן לפי מזהה שיחה, והמיר אותן לרשימת חילופי דברים מסודרת בין תפקידי user ו־assistant. בדרך הוא ניקה מחרוזות משובשות כמו סימוני פסיקים ישנים והסיר שדות מיותרים כמו תיוגים והערכות עצמיות.

כל רשומה מחזיקה את השיחה המלאה, מזהה ייחודי, וכן שדות רגש וסיטואציה שמספקים את ההקשר של הדיאלוג. הנתונים מחולקים מראש לחלקי אימון, ולידציה ובדיקה, כאשר חלק האימון כולל 84,167 תורות שיחה, הוולידציה עם 12,077, ומבחן הבדיקה מכיל 10,972 תורות.

מתאים ל

• אימון צ'אטבוט תמיכה

  כוונון עדין של מודלי שפה כדי שיגיבו בצורה רגישה יותר למצוקה או תסכול של משתמשים.

• בניית פרומפטים מונחי רגש

  שימוש בשדות הרגש והסיטואציה ליצירת הוראות מערכת מותאמות אישית להקשר השיחה.

• הערכת אמפתיה במודלים

  בדיקת איכות התגובות של מודלים קיימים מול סט המבחן הייעודי שמכיל קרוב ל־11 אלף תורות.

איפה זה נופל

הנתונים כולם באנגלית, ללא מילה אחת בעברית. הבעיה הטכנית המרכזית שהיוצר מציין בפירוש היא מספר תורות לא זוגי בחלק מהשיחות. אם אתם מאמנים מודל שמצפה תמיד לתשובה אחרונה של עוזר אחרי פניית משתמש, חלק מהדוגמאות מסתיימות דווקא בצד של המשתמש, מה שישבור סקריפטים של אימון בלי סינון או חיתוך מוקדם.

איך טוענים

הנתונים יושבים בקובצי Parquet סטנדרטיים בתוך Hugging Face, ללא צורך בבקשת גישה מיוחדת או אישור ידני. גודל המאגר נע בין עשרות למאות אלפי רשומות, כך שטעינה ישירה בספריית datasets לוקחת שניות בודדות. השדה המרכזי לעבודה הוא conversations, שמגיע כמערך מילונים מוכן עם role ו־content, לצד emotion ו־situation שמאפשרים לבנות פרומפטים מונחי הקשר.

from datasets import load_dataset

ds = load_dataset("Estwld/empathetic_dialogues_llm")

הרישיון

המאגר משוחרר ברישיון apache-2.0. הרישיון מתיר שימוש מסחרי, שינוי והפצה, ואינו מחייב אתכם לשחרר את המודלים שאימנתם תחת אותו רישיון. נדרש רק לשמור על הודעות זכויות היוצרים והרישיון המקורי בקבצים הרלוונטיים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗