numina-deepseek-r1-qwen-7b

מה זה

המאגר מכיל פחות מאלף רשומות, וכולל דוגמה שפורסמה בכרטיס המציגה פתרון של בעיה מתמטית באלגברה. הרשומה כוללת קוד פייתון לחישוב מקדמים בינומיים, פלט הרצה, והסבר מילולי שמגיע לתוצאה סופית סגורה בתוך תיבה ייעודית. לפי המבנה, התוכן נשען על שילוב של פתרון חישובי מבוסס קוד לצד פירוט שלבי ההסקה המתמטיים.

הנתונים נוצרו באמצעות הכלי distilabel, והמאגר כולל קובצי הגדרה כמו pipeline.yaml ויומן ריצה pipeline.log שמאפשרים לשחזר את תהליך ההפקה. הכרטיס אינו מציין מהו מקור השאלות המקורי או אילו שלבי סינון וניקוי בוצעו על הפלטים שנוצרו, מעבר לעובדה שהם הופקו ישירות מהצינור של הכלי המדובר.

יש במאגר תצורה אחת בלבד בשם default, וכל המידע מרוכז בפיצול יחיד של נתוני אימון. אין כאן חלוקה מובנית לסט בדיקה או אימות נפרדים, כך שכל הדוגמאות מגיעות יחד בקובץ יחיד.

מתאים ל

• בדיקת איכות להסברים

  הערכה נקודתית של יכולת מודלים להפיק קוד פייתון לפתרון בעיות באלגברה.

• שחזור פייפליין יצירה

  הרצה מחדש של תהליך הפקת הנתונים בעזרת distilabel וקובץ הקונפיגורציה.

• העשרת דאטה קיים

  צירוף דוגמאות בודדות של פתרונות צעד אחר צעד למאגרי אימון מתמטיים.

איפה זה נופל

הבעיה המרכזית היא שאין פירוט על תהליך הסינון, כך שלא ידוע אם הפתרונות אומתו מול תשובות נכונות או שהם מכילים הזיות של המודל שיצר אותם. בנוסף, המאגר כולו באנגלית, וכולל פחות מאלף דוגמאות, כך שהוא קטן מכדי לשמש בסיס יחיד לאימון מודל מלא. הכרטיס לא מדווח על מגבלות בטיחות או הטיות, ולכן חובה לבדוק ידנית את נכונות החישובים לפני שמשלבים אותו בפיתוח כלשהו.

איך טוענים

טוענים את המאגר ישירות בספריית datasets של Hugging Face עם הפקודה load_dataset עבור HuggingFaceH4/numina-deepseek-r1-qwen-7b, תחת תצורת default או ללא ציון תצורה כלל. אין צורך באישור גישה מיוחד, המאגר פתוח להורדה.

כל המידע שמור בקובץ פרקט יחיד בשם data/train-00000-of-00001.parquet, לצד קובצי ההגדרה והלוג של distilabel. השדות העיקריים מכילים את מהלכי הפתרון שכוללים מקטעי קוד, תוצאות ריצה והסבר טקסטואלי סופי. בגלל שמדובר בפחות מאלף דוגמאות, ההורדה והטעינה מתבצעות תוך שניות בודדות.

from datasets import load_dataset

ds = load_dataset("HuggingFaceH4/numina-deepseek-r1-qwen-7b")

הרישיון

הרישיון של המאגר אינו מדווח. במצב כזה אין הרשאה מפורשת לשימוש מסחרי, מחקרי או הפצה מחדש, ואי אפשר לדעת אילו תנאי ייחוס חלים עליו. אימון מודל על נתונים ללא רישיון מוגדר חושף אתכם לסיכון משפטי, כך שלפני כל שימוש מומלץ לפנות ליוצרי המאגר כדי לברר תחת איזה רישיון המידע שוחרר.

הרישיון המלא ב־Hugging Face ↗