When2Call

מה זה

הנתונים מחולקים לאימון ולהערכה, ונוצרו באופן סינתטי ואוטומטי לחלוטין סביב תרחישים של שימוש בכלים. כל דוגמה כוללת הגדרת כלים זמינים, שאלת משתמש והתנהגות רצויה שמכסה גם מקרים שבהם אי אפשר לבצע קריאה מלאה.

חלק האימון מציע 15,000 דוגמאות שמיועדות לכוונון מונחה עם שדות תוכן רגילים, לצד קובץ נפרד של 9,000 דוגמאות שנועדו לכוונון העדפות כמו די-פי-או, שמכיל תשובות מועדפות ותשובות שנדחו.

סט המבחן כולל 3,652 שאלות רב-ברירה שבוחנות קבלת החלטות, ומתוכו נגזר תת-סט ממוקד של 300 רשומות המיועד להערכה מבוססת מודל שופט.

מתאים ל

• אימון העדפות להפעלת כלים

  אימון מודל למנוע קריאות שגויות באמצעות 9,000 דוגמאות העדפה.

• כוונון מונחה להחלטות כלי

  לימוד מודל מתי לשאול שאלות המשך או לסרב לקריאה חסרת בסיס.

• הערכת החלטות של סוכנים

  מבחן ביצועים על 3,652 שאלות לבדיקת דיוק ההחלטה לפני קריאת כלי.

איפה זה נופל

המאגר כולו באנגלית ונוצר באופן סינתטי ואוטומטי מספטמבר 2024, כך שאין כאן שאילתות אמיתיות של משתמשים בשר ודם. אין בו תמיכה בעברית או כיסוי לשפות אחרות. אם בונים מערכת מבוססת כלים שמקבלת קלט בעברית או מסתמכת על ניסוחים פחות סטנדרטיים, ההחלטות שהמודל למד פה לא יחזיקו בלי אימון ובדיקה מקומיים.

איך טוענים

טוענים אותו בעזרת ספריית datasets של האגינג פייס לפי תת-המאגר הרצוי, ללא צורך באישור גישה. גודל הקבצים הכולל הוא 56 מגה-בייט בפורמט ג'ייסון-אל. מי שמאמן לכוונון מונחה טוען את תצורת train_sft ומשתמש בשדות ההודעות והכלים. מי שמריץ כוונון העדפות מושך את train_pref ונעזר בשדות chosen_response ו־rejected_response.

from datasets import load_dataset

ds = load_dataset("nvidia/When2Call")

הרישיון

הרישיון הוא סי-סי בי-וואי 4.0, שמאפשר שימוש מסחרי, שינוי והפצה של הנתונים ושל מודלים שאומנו עליהם. הדרישה היחידה היא מתן קרדיט מתאים לאנבידיה על פי תנאי הרישיון, ללא חובת שיתוף באותו רישיון.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗