kimi-k3-coding-and-debugging-traces
קוד פתוחgreghavenscc-by-4.02026-07-18
עקבות ריצה מלאות של המודל Kimi K3 במשימות תכנות ופתרון באגים. הוא מתאים למי שרוצה לאמן מודל סוכן על תהליכי עבודה אמיתיים שנבדקו מול טסטים דטרמיניסטיים.
- 2,195הורדות בחודש
- 63לייקים
מה זה
המאגר מכיל 582 מסלולים שלמים של עבודה שפורקו ל־3,956 שורות אימון. כל שורה מייצגת צעד בודד ברצף, ומכילה את כל ההיסטוריה עד לאותה נקודה כשהמטרה היחידה לאימון היא הודעת העוזר האחרונה. רוב החומר מתמקד בבנייה מלאה של ספריות ושירותים לפי מפרט, חלק נכבד מוקדש לאיתור ותיקון באגים, והשאר מכסה קריאות לכלים וניהול פרויקטים.
הנתונים נוצרו באמצעות כלי בשם moonshiner שמריץ את המודל Kimi K3 ומסנן את התוצאות. תהליכי התכנות נשמרו רק אם עברו בדיקות תוכנה אוטומטיות, ומשימות השימוש בכלים עברו אימות של ארגומנטים ומבנה הקריאות. לאחר מכן הופעל שיפוט חיצוני באמצעות Codex, כאשר מפתחות ופרטים מזהים נוקו מהטקסט לחלוטין.
מתאים ל
- כוונון עדין לסוכני קוד
אימון מודלים קטנים על רצפי פעולות מדויקים של כתיבה ובדיקה, שלב אחר שלב.
- אימון שימוש בכלים
לימוד הפעלת פונקציות, העברת פרמטרים מורכבים וקריאות מקבילות לפי הקשר.
- מחקר תהליכי דיבאגינג
ניתוח האופן שבו מודל מתקן שגיאות ריצה ובודק את עצמו מחדש בסביבת פיתוח.
איפה זה נופל
המאגר קטן מאוד ומכיל פחות מארבעת אלפים שורות, כך שהוא לא יחזיק אימון שלם אלא רק כוונון עדין וממוקד. כל הטקסט האנושי וההוראות כתובים באנגלית בלבד, ואין כאן עברית כלל. בנוסף, חלוקת המשימות נוטה בכבדות לכיוון פייתון וטייפסקריפט על חשבון שפות אחרות שנמצאות במיעוט, ותחומים קריטיים כמו אבטחת מידע או שיפור ביצועים כמעט ולא מיוצגים. הנתונים מבוססים על פלטים סינתטיים של מודל יחיד, מה שמייצר תלות בסגנון החשיבה הספציפי שלו.
שאלות
נפוצות
מותר להשתמש בזה למוצר מסחרי?
כן. רישיון CC BY 4.0 מתיר שימוש מסחרי מלא, כולל אימון מודלים מסחריים והפצתם, בתנאי שמקפידים על מתן קרדיט ליוצר וקישור למאגר.
האם הדאטהסט כולל תמיכה בעברית?
לא. שפת הטקסט הטבעי במאגר היא אנגלית בלבד, לצד שפות תכנות שונות. מי שמחפש הוראות או אינטראקציות בעברית לא ימצא אותן כאן.
כמה המאגר הזה שוקל וכמה רשומות יש בו?
מדובר בקובץ קל מאוד של 3 מגה בייט בפורמט Parquet או 72 מגה בייט ב־JSONL. יש בו 582 מסלולי שיחה שנפרסים ל־3,956 שורות אימון.
במה הוא שונה ממאגרי קוד רגילים?
הוא לא מכיל רק קוד סופי, אלא את כל תהליך העבודה כולל ניסיונות, שגיאות, קריאות לכלים ותיקונים. בנוסף, כל מסלול אומת מול טסטים דטרמיניסטיים ולא נשמר על בסיס ניחוש.
איך טוענים
הטעינה פשוטה דרך Hugging Face, בלי צורך באישור גישה או הרשמה מיוחדת. המאגר שוקל 3 מגה בייט בלבד בפורמט Parquet, ומחולק לעשרות קבצים קטנים לצד גרסת JSONL מלאה ששוקלת 72 מגה בייט. בעבודה עם השדות חשוב להסתכל על messages שמחזיק את רצף ההודעות המצטבר. נקודה קריטית באימון היא להגדיר את פונקציית ההפסד אך ורק על הודעת העוזר האחרונה בכל שורה, אחרת הצעדים המוקדמים יקבלו משקל יתר שיהרוס את המודל.
from datasets import load_dataset
ds = load_dataset("greghavens/kimi-k3-coding-and-debugging-traces")הרישיון
הרישיון הוא CC BY 4.0, שמתיר שימוש מסחרי ומחקרי חופשי, שינוי של הנתונים והפצה מחדש. אין דרישה לשתף את המודל המאומן תחת אותו רישיון, אבל חובה לתת ייחוס ברור ליוצר המקורי greghavens ולצרף קישור למאגר בכל מוצר או פרסום שמבוסס עליו.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס