GeoGPT-QA

מה זה

המאגר מכיל 40,000 זוגות של שאלות ותשובות שנוצרו באופן סינתטי מתוך מאמרים אקדמיים בגישה פתוחה. המקורות כולם פורסמו תחת רישיון CC BY, וצוות הפרויקט לקח את הכותרות ואת התקצירים של המאמרים והעביר אותם תהליך ייצור אוטומטי בעזרת המודל Qwen2.5-72B-Instruct כדי להפיק שאלות מקצועיות ותשובות תואמות בתחומי מדעי כדור הארץ.

כל רשומה כוללת מזהה ייחודי, שאלה ותשובה מנוסחות, לצד מידע ביבליוגרפי מלא על מאמר המקור. תמצאו שם את כותרת המאמר המקורית, שמות המחברים, מזהה ה־DOI, שם כתב העת, כרך, עמודים ואת רישיון המקור. אין כאן חלוקה מראש לסטים של אימון או בדיקה, אלא קובץ יחיד שמרכז את כלל הנתונים.

מתאים ל

• אימון מודל לתחום הגיאולוגיה

  כוונון עדין של מודלי שפה על שאלות ותשובות מתוך תקצירים מדעיים במדעי כדור הארץ.

• הערכת ידע גיאוגרפי

  בדיקת יכולת המענה של מודלים קיימים מול שאלות מבוססות ספרות אקדמית מדעית.

• מערכות אחזור מידע מבוססות מאמרים

  שימוש בזוגות השאלות וה־DOI לאימון מנועי חיפוש אקדמיים ומערכות RAG ייעודיות.

איפה זה נופל

כל השאלות והתשובות כאן הן תוצר סינתטי של מודל שפה, ולא כתיבה ישירה של חוקרים. המפרסמים מציינים במפורש שהתוכן עלול לכלול שגיאות עובדתיות, הזיות, וכיסוי חלקי בלבד של תתי תחומים בגיאוגרפיה ובגיאולוגיה. הנתונים קיימים באנגלית בלבד ואינם מתאימים לעבודה בעברית ללא תרגום. בנוסף, נאסר להסתמך עליהם בקבלת החלטות או גיבוש מדיניות.

איך טוענים

הנתונים יושבים בקובץ CSV יחיד בשם geogpt-qa.csv, ואין צורך לבקש אישור גישה מיוחד כדי להוריד אותו. אפשר למשוך את הקובץ ישירות בפקודת curl או wget פשוטה, או לטעון אותו בעזרת הספרייה datasets של Hugging Face בפייתון. השדות המרכזיים לעבודה הם question ו־answer שמכילים את תוכן האימון, בעוד שאר השדות משמשים לביקורת ומעקב אחר המאמר שממנו המידע נוצר.

from datasets import load_dataset

ds = load_dataset("GeoGPT-Research-Project/GeoGPT-QA")

הרישיון

המאגר מופץ תחת רישיון CC BY 4.0 שמתיר שימוש מסחרי, שינוי והפצה, כל עוד אתם נותנים קרדיט מתאים, מקשרים לרישיון ומציינים אם בוצעו שינויים. עם זאת, היות והטקסט יוצר באמצעות Qwen2.5-72B-Instruct, השימוש בו כפוף גם לתנאי הרישיון של המודל ההוא.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗