Nemotron-RL-Agentic-Conversational-Tool-Use-Pivot-v1
קוד פתוחnvidiacc-by-4.02026-03-06
nvidia עומדים גם מאחורי NVIDIA AI, ויש עליו סקירה כאן.
המאגר מרכז מסלולי שיחה מרובי צעדים להפעלת כלים לצורך אימון מודלים בלמידת חיזוק. הוא מספק דוגמאות מובנות לקריאות מערכת כמו אימות וחיפוש ב־838 תחומים שונים.
- 4,696הורדות בחודש
- 31לייקים
מה זה
אנבידיה בנתה את הנתונים על בסיס מסלולי שיחה של מודלים מומחים, כשהרעיון הוא לפרק כל צעד של העוזר לבעיית חיקוי התנהגות שבה המודל שואף להתאים לבחירת הכלי של המומחה. כל רשומה מייצגת צעד מתוך מסלול כזה וכוללת אינטראקציות סביב הזדהות, שליפת נתונים ופעולות שירות כמו הזמנות, עדכונים וקבלת הנחות. התוכן מתפרס על פני 838 תחומים שונים, ובהם תמיכה טכנית, נסיעות וטכנולוגיות למידה.
המידע כולו סינתטי לחלוטין. הוא נוצר באמצעות המודלים DeepSeek-R1-0528, DeepSeek-V3.2, Qwen3-235B-A22B-Thinking-2507 ו־Qwen3-32B. התיוג והניתוח בוצעו אף הם באופן סינתטי על ידי openai/gpt-oss-120b ו־Qwen3-235B-A22B-Instruct-2507, והתוצר שימש את אנבידיה בפיתוח מודלי Nemotron ובסביבת NeMo Gym.
מתאים ל
- אימון סוכנים לשימוש בכלים
לימוד מודלים מתי לפנות ל־API חיצוני ומתי להשיב ישירות למשתמש בתוך שיחה.
- למידת חיזוק מבוססת תגמול
שימוש במדדי ההצלחה המצורפים כדי להגדיר פונקציות תגמול בסביבת NeMo Gym.
- חיקוי התנהגות מודלי קצה
אימון מודל קטן לבצע בחירות של כלים ופרמטרים ברמה של מודלים גדולים בהרבה.
איפה זה נופל
הנתונים נוצרו ותויגו כולם על ידי מודלים, כך שאין כאן אימות אנושי ישיר לאיכות התשובות או להגיון הכלים. מעבר לכך, הכרטיס אינו מפרט חלוקה לשפות ואינו מציין תמיכה בעברית, ולכן יש להניח שהתרחישים באנגלית. אין במאגר חלוקת ולידציה או מבחן רשמית אלא רק קובץ אימון, מה שמחייב אתכם להקצות חלק מהרשומות לבדיקה עצמאית. לפני שמשלבים את זה במערכת אמיתית, חובה לוודא שהקריאות והפרמטרים אכן משקפים את הממשקים שלכם.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, הרישיון הוא CC-BY-4.0 ואנבידיה מציינת במפורש שהדאטהסט מיועד לשימוש מסחרי. החובה היחידה שלכם היא לתת ייחוס הולם ליוצרים.
כמה מקום צריך לפנות בשבילו בדיסק?
קובץ האימון שוקל כ־3.0 גיגה בייט בלבד. מדובר ב־170,320 שורות בפורמט JSONL, כך שהוא לא דורש משאבי אחסון כבדים.
האם יש במאגר שיחות ותרחישים בעברית?
הכרטיס לא מציין תמיכה בעברית או בשפות אחרות. הנתונים מבוססים על מודלים של DeepSeek ו־Qwen בתרחישים סטנדרטיים, ורוב מוחלט של החומר באנגלית.
איך נאספו הדוגמאות שנמצאות בפנים?
האיסוף כולו סינתטי, ללא מתייגים אנושיים. מודלים של DeepSeek ו־Qwen ייצרו את מסלולי השיחה, ומודלים של GPT ו־Qwen שימשו לתיוג ולחישוב אחוזי ההצלחה.
איך טוענים
הורדת הנתונים אינה דורשת אישור גישה מיוחד. הקובץ העיקרי הוא train.jsonl בנפח של כ־3.0 גיגה בייט, והוא מכיל 170,320 רשומות. כל רשומה כוללת 11 שדות מובנים ובהם trajectory_id, responses_create_params, expected_action ו־scenario. לצדם תמצאו שדות מדידה כמו pass_rate, pass_rate_total ו־pass_rate_passed, יחד עם נתוני רקע על המודלים שיצרו את הדוגמה. הפורמט מותאם ישירות לעבודה עם NeMo Gym ונוח לקריאה בכל ספריית עיבוד נתונים סטנדרטית.
from datasets import load_dataset
ds = load_dataset("nvidia/Nemotron-RL-Agentic-Conversational-Tool-Use-Pivot-v1")הרישיון
הרישיון הוא CC-BY-4.0. מותר להשתמש בנתונים למטרות מסחריות ולשנות אותם, ואין חובה לשתף תוצרים או מודלים מאומנים באותו רישיון. התנאי היחיד הוא מתן קרדיט מתאים לחברת NVIDIA בהתאם להנחיות הרישיון.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס