ZwZ-RL-VQA
קוד פתוחinclusionAIapache-2.02026-02-12
המאגר כולל 37 אלף שאלות ותשובות על תמונות ברזולוציה גבוהה. הוא מיועד למי שרוצה לאמן מודלי ראייה לזהות פרטים זעירים בלי להפעיל כלי תקריב בזמן ריצה.
- 3,590הורדות בחודש
- 17לייקים
מה זה
הנתונים מורכבים מזוגות של שאלות ותשובות שמבוססים על חיתוכים זעירים מתוך תמונות ברזולוציה של מעל 1000 על 1000 פיקסלים. כל חיתוך תופס לרוב פחות מעשרה אחוזים משטח התמונה המקורית. התמונות עצמן הגיעו ממאגרים מוכרים כמו SA-1B, LAION, MetaCLIP, Visual Genome, CC12M ו־STPLS3D. על גבי התמונות המלאות הודבקו תיחומים ויזואליים שמסמנים למודל בדיוק על איזה אזור נשאלת השאלה.
יצירת התוכן נעשתה כולה באופן סינתטי. מודל Qwen3-VL-235B-A22B-Instruct יצר את השאלות מתוך החיתוכים, והתשובות הופקו יחד איתו ועם GLM-4.5V. תהליך הסינון שמר רק שאלות שבהן הייתה הסכמה של לפחות 75 אחוז בין המודלים, כלומר שש מתוך שמונה הצבעות. בנוסף, נזרקו שאלות שהיו קלות מדי, כלומר כאלו שמודל הבסיס Qwen3-VL-8B הצליח לפתור ביותר ממחצית מהמקרים.
מתאים ל
- אימון מודלי שפה ויזואליים
אימון בשיטות למידת חיזוק כמו DAPO או GRPO לשיפור דיוק על פרטים קטנים.
- הבנת פרטים זעירים בריצה אחת
לימוד מודלים לזהות טקסט או ספירת עצמים בלי צורך בכלי עזר של תקריב.
- מחקר על זיקוק יכולות
העברת ידע ממודלי ענק של מאות מיליארדי פרמטרים למודלים קטנים ויעילים יותר.
איפה זה נופל
כל השאלות והתשובות נוצרו על ידי מודלים ולא על ידי בני אדם, כך שהטיות או שגיאות עקביות של מודלי המקור נכנסו פנימה למרות מנגנון ההסכמה. השפה במאגר היא אנגלית בלבד ואין בו שום ייצוג לעברית. בנוסף, התמונות עברו מניפולציה של הדבקת קופסאות תיחום כדי למקד את המודל, כך שאם אתם בונים מערכת שצריכה לעבוד על תמונות נקיות בעולם האמיתי, תצטרכו לבדוק איך המודל שלכם מתמודד בלי הרמז הגרפי הזה.
שאלות
נפוצות
האם מותר להשתמש במאגר למוצר מסחרי?
כן, רישיון apache-2.0 מאפשר שימוש מסחרי מלא. צריך רק לשמור על תנאי הייחוס והצהרת הרישיון המקורית. עם זאת, התמונות נלקחו ממאגרים חיצוניים כמו LAION ו־SA-1B, ולכן כדאי לבדוק אם לארגון שלכם יש מגבלות על תמונות המקור.
האם יש במאגר תמיכה בעברית?
לא. כל השאלות, התשובות וההנחיות נכתבו באנגלית בלבד. אם המטרה היא משימות ויזואליות בעברית תצטרכו לתרגם את השאלות או לפנות למאגרים אחרים.
איך נאספו ונוצרו השאלות והתשובות?
מודלי ענק ייצרו שאלות ותשובות מתוך חיתוכים זעירים של תמונות שבהם הפרטים היו חדים. התוכן סונן לפי הסכמה של לפחות 75 אחוז בין המודלים השונים, ושאלות שנמצאו קלות מדי למודל בסיס הוסרו מהמאגר.
איך מחלצים את התמונות אחרי ההורדה?
התמונות מחולקות למספר קבצי images.tar.gz ממוספרים. יש לשרשר אותם יחד באמצעות פקודת cat ולהעביר את הפלט לחילוץ ישיר דרך tar בטרמינל כדי לקבל את התיקייה המלאה.
איך טוענים
אין כאן הורדה רגילה של קובץ פרקט יחיד דרך שורת קוד אחת. המאגר מכיל 26 קבצים, והתמונות עצמן מחולקות לחלקי ארכיון מכווצים שמתחילים בשם images.tar.gz. צריך להוריד את כל החלקים ברצף, לשרשר אותם בפקודת cat ולחלץ לתיקייה מקומית באמצעות tar. הגישה למאגר פתוחה לחלוטין וללא צורך באישור מוקדם. מי שרוצה לייצר את הנתונים בעצמו יכול להוריד בנפרד גם את ארכיוני התמונות המקוריות ולהריץ את הסקריפט ממאגר הגיטהאב של הפרויקט.
from datasets import load_dataset
ds = load_dataset("inclusionAI/ZwZ-RL-VQA")הרישיון
המאגר מופץ תחת רישיון apache-2.0. הרישיון הזה מתיר שימוש חופשי כולל שימוש מסחרי, שינוי הנתונים ואימון מודלים עליהם. התנאי העיקרי הוא שמירה על הודעת זכויות היוצרים והרישיון המקורי. מודל שתאמנו על הדאטהסט לא מחויב להיפתח בקוד פתוח.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים