tele-lens

מה זה

הנתונים מחולקים לקובצי train, dev ו־test בפורמט jsonl, ומכסים שלוש קטגוריות מרכזיות: משימות הדורשות שלבים מפורשים כמו חשיבה אלגוריתמית, משימות מורכבות בעלות אופי עקיף כמו מתמטיקה ולוגיקה, ומשימות סמנטיקה מבוססות ידע כמו MMLU. בכל רשומה יש מזהה, פרומפט, תשובה כטקסט ושם המקור מתוך שתים עשרה המשימות.

בחלוקת המבחן מופיעות תשובות מלאות משני מודלים ספציפיים: Qwen3-32B ומודל ייעודי של החוקרים. לעומת זאת, בחלוקות האימון והפיתוח אין תשובות מוכנות, והחוקרים מסבירים שצריך לייצר אותן לבד דרך הרצת הסקה עם הנחיות מערכת שהוגדרו מראש.

מתאים ל

• אימון גלאים למצבים חבויים

  שליפת ייצוגים פנימיים מריצת מודל שפה ובניית גלאי שמנבא את התשובה הסופית.

• מדידת אופק תכנון במודלים

  בדיקת השלב שבו המודל מגיע להכרעה על הפתרון לאורך שרשרת החשיבה.

• הערכת תלות בשרשרת חשיבה

  הערכה כמותית לשאלה האם צעדי החשיבה בטקסט היו הכרחיים להגעה לתשובה.

איפה זה נופל

כל הטקסט במאגר כתוב באנגלית בלבד, כך שהוא לא יעזור למי שבוחן שרשראות חשיבה בעברית. בנוסף, חלוקות האימון דורשות מכם לייצר את התשובות ואת המצבים הפנימיים בעצמכם כדי להפיק ערך, וכרטיס המאגר לא מפרט כיצד סוננו או נוקו הנתונים בכל משימה.

איך טוענים

טוענים את קובצי ה־jsonl ישירות דרך ספריית datasets או בקריאת קבצים רגילה בפייתון, ללא צורך באישור גישה. לפני שמתחילים לאמן גלאי צריך להריץ מודל שפה על הפרומפטים בחלוקות האימון והפיתוח, לשלוף את המצבים החבויים מכל שלב, ולהשתמש בתשובה שהמודל פלט כתווית לאימון.

from datasets import load_dataset

ds = load_dataset("lxucs/tele-lens")

הרישיון

המאגר מופץ תחת רישיון MIT. הרישיון מתיר שימוש מסחרי, שינוי והפצה, ודורש שמירה על הודעת זכויות היוצרים והרישיון המקורי, בלי חובת שיתוף תחת אותו רישיון.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗