Fable-5-Distill-Reasoning-462x
קוד פתוחHelioAIunknown2026-05-31
462 דוגמאות בלבד אבל עם מעל 104 מיליון תווים של שרשראות חשיבה ארוכות. מי שרוצה לחקור הסקת מסקנות עמוקה ולא מסוננת ממודל Mythos V2 ימצא כאן חומר גלם נדיר באורכו.
- 236הורדות בחודש
- 42לייקים
מה זה
המאגר מכיל 462 רשומות המורכבות משרשראות חשיבה מפורטות במיוחד, שמגיעות לאורך של בין 12,827 תווים לשיא של 552,196 תווים לדוגמה בודדת. הטקסטים מייצגים פלט ישיר ממשקולות המודל Mythos V2 ללא חיתוכי יישור, בלי מגבלות אורך מלאכותיות ובלי תבניות סירוב שנובעות מאימוני בטיחות.
מבחינת חלוקה נושאית, החומר מתרכז בעיקר בשני תחומים כבדים: מחקר חולשות ואבטחת מידע עם 153 דוגמאות, ורפואה ומדעי המוח עם 144 דוגמאות. שאר המאגר כולל 98 דוגמאות של ארכיטקטורת תוכנה ומערכות מבוזרות, 45 דוגמאות בניתוח התנהגות מודלי שפה, 10 הוכחות במתמטיקה פורמלית ועוד 12 מקרים רב תחומיים.
מתאים ל
- הערכת מודלים בהקשר ארוך
בדיקת יכולת העמידות והעקביות של מודלי שפה מול שרשראות חשיבה מורכבות של מאות אלפי תווים.
- מחקר תהליכי הסקה
ניתוח שלבי תכנון, בדיקה עצמית והתמודדות עם חוסר ודאות כפי שהם נובעים ממודל בסיס ללא פילטרים.
- בניית בקרי תהליך
אימון מערכות פיקוח על שלבי ביניים של פתרון בעיות טכניות באבטחה וארכיטקטורה.
איפה זה נופל
ההטיה הנושאית קיצונית מאוד, כשכמעט שני שלישים מהחומר מוקדשים רק לאבטחת מידע ולביורפואה, בעוד מתמטיקה כמעט ולא קיימת. אין פה מילה אחת בעברית, כל הטקסטים באנגלית וברוסית בלבד. בנוסף, מדובר בפלט ישיר של מודל ללא בדיקות יישור או בטיחות, ולכן הכנסה של החומר ישירות לאימון של מוצר קצה עלולה להחדיר דפוסי הסקה מסוכנים או לא מבוקרים.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט הזה לפיתוח מודל מסחרי?
כרגע לא, כיוון שהרישיון בעמוד מוגדר כלא ידוע. ללא הצהרת רישיון מפורשת מהיוצרים, שימוש מסחרי חושף אתכם לתביעות על הפרת זכויות יוצרים ותנאי שימוש. עדיף לפנות ליוצרים לפני שמשלבים אותו במוצר כלשהו.
האם יש ברשומות תמיכה בעברית?
אין במאגר עברית בכלל. השפות היחידות המופיעות ברשומות הן אנגלית ורוסית. אם אתם צריכים נתוני חשיבה מקומיים, תצטרכו לתרגם את החומר או לייצר אותו בנפרד.
מאיפה הגיעו הנתונים ואיך אספו אותם?
הנתונים הם פלטים של זיקוק ישיר ממשקולות המודל Mythos V2 בגרסתו המלאה. היוצרים מעידים שהם לא ביצעו חיתוכי בטיחות, סינון סירובים או קיצוץ של אורכי התשובה. כל דוגמה מייצגת שרשרת חשיבה מלאה כפי שנפלטה מהמודל.
איך הדאטהסט שונה ממאגרי חשיבה רגילים?
ההבדל העיקרי הוא האורך החריג והעדר מוחלט של צנזורה או יישור בטיחותי. במקום מיליוני תשובות קצרות מפלטפורמות שיחה, יש כאן רק 462 דוגמאות אך בעומק עצום של עשרות אלפי מילים לכל מקרה. הריכוז הוא בניתוחים טכניים כבדים ולא בשיחות כלליות.
איך טוענים
הנתונים מגיעים בקובץ JSONL יחיד בשם Claude-Opus-4.7-4.8-DeepReason-462x-105M.jsonl לצד קובץ תיעוד, ללא צורך באישור גישה מיוחד בהאגינג פייס. בגלל שהטקסטים ארוכים במיוחד ומגיעים לכ־26.35 מיליון תתי מילים, יש לוודא שהתשתית שלכם יודעת לטעון מחרוזות של חצי מיליון תווים לרשומה אחת בלי לקרוס מחוסר זיכרון.
from datasets import load_dataset
ds = load_dataset("HelioAI/Fable-5-Distill-Reasoning-462x")הרישיון
הרישיון של המאגר מוגדר כלא ידוע. המשמעות בפועל היא שאין שום היתר משפטי להשתמש בנתונים האלה לאימון מודלים מסחריים, וגם מחקר פנימי חושף אתכם לסיכון של הפרת זכויות יוצרים של יוצרי המודל המקורי. כל עוד HelioAI לא פרסמו תנאי שימוש ברורים, צריך להתייחס לקבצים האלה כחומר לעיון ומחקר מוגבל בלבד.