helpful-instructions

מה זה

המאגר כולל רשומות במבנה של צמדי הוראה ותשובה מדגימה, שנועדו לחקות פניות של בני אדם לעוזר אישי. המידע נגזר ממאגרים ציבוריים קיימים, והפוקוס המרכזי שלו הוא על משימות ושאלות שמוגדרות ככאלה שעוזרות למשתמש.

לפי מבנה הקבצים במאגר יש כאן לפחות שני תתי אוספים נפרדים, אחד שמקורו בחומרים של אנתרופיק ואחר שנשען על סלף אינסטראקט. מעבר לחלוקה הזו לתיקיות, הכרטיס כמעט ריק לחלוטין מפרטים טכניים. אין בו תיעוד של תהליך הסינון, שמות השדות ברשומות, או כמה דוגמאות יש בכל קובץ.

יוצרי המאגר לא פירטו מי ייצר את השפה במקור ואיך בוצע עיבוד הנתונים. כל מה שיש הוא הקבצים עצמם ברמת המידע הגולמי, בלי הסברים על אופן הניקוי או ההרכבה של הדוגמאות.

מתאים ל

• אימון הוראות בסיסי

  כיוונון עדין של מודלי שפה באנגלית כדי שילמדו לענות ישירות לבקשות משתמשים.

• השוואת מקורות פרומפטים

  בדיקת ההבדל בביצועים בין נתוני אנתרופיק לבין דאטה שנוצר בסלף אינסטראקט.

• בניית מסלולי הערכה

  בדיקה של מודלים קיימים מול צמדי הוראות מוגדרות מראש בשפה האנגלית.

איפה זה נופל

הכרטיס לא מדווח על שום סינון, הסרת מידע רגיש או בקרת איכות, וכל השדות של הטיות ומגבלות מסומנים כמידע חסר. הדאטהסט כולו באנגלית, כך שאין בו תמיכה בעברית. הנתונים פורסמו בפברואר 2023 ומבוססים על מקורות קודמים, בלי הסבר על אופן היצירה שלהם. אם אתם בונים מוצר אמיתי, חובה לדגום את הטקסטים בעצמכם כדי לוודא שאין שם פלט רעיל או דוגמאות שבורות.

אותה משפחה

helpful-instructions יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך טוענים

טוענים את הנתונים דרך הספרייה הרגילה של האגינג פייס בפקודת load_dataset ישירה. המאגר פתוח לציבור ואין צורך לבקש אישור גישה מראש. הנתונים שמורים בקובצי parquet בתוך ארבעה קבצים במאגר. אפשר למשוך את כל הסט בבת אחת או לטעון תת קבוצה ספציפית בעזרת פרמטר התיקייה, למשל עבור הדאטה של אנתרופיק. שמות השדות המדויקים לא מתועדים בכרטיס, לכן כדאי להדפיס דוגמה ראשונה אחרי הטעינה כדי לראות את מבנה המילון.

from datasets import load_dataset

ds = load_dataset("HuggingFaceH4/helpful-instructions")

הרישיון

הרישיון המדווח הוא אפאצ'י שתיים אפס. הוא מתיר שימוש מסחרי, שינוי של הקוד והנתונים, והפצה מחדש, גם כשמאמנים על בסיסו מודל חדש. אין חובה לשתף את המודל או את הנגזרות תחת אותו רישיון. התנאי העיקרי הוא מתן קרדיט וצירוף עותק של הרישיון המקורי.

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

הרישיון המלא ב־Hugging Face ↗