GammaCorpus-CoT-Math-170k
קוד פתוחrubenroyapache-2.02025-01-26
המאגר כולל כמעט 170 אלף בעיות מתמטיות באנגלית עם פירוק שלבי הפתרון. הוא מתאים למי שרוצה לאמן מודל שפה לחשיבה לוגית מסודרת במקום לפלוט תשובה ישירה.
- 60הורדות בחודש
- 35לייקים
מה זה
בפנים יש 169,527 רשומות שמיועדות למשימות יצירת טקסט מתמטי. כל דוגמה מורכבת מבעיה מתמטית, מערך שמפרט צעד אחרי צעד את דרך הפתרון, והתשובה הסופית. המבנה הזה מכוון ישירות לטכניקות של שרשרת מחשבה, כך שהמודל לומד להסביר את החישוב לפני שהוא סוגר את התוצאה.
הכרטיס לא חושף מאיפה הבעיות לוקטו במקור, מי חיבר אותן או באיזה מודל השתמשו ליצירתן אם בכלל. המפרסם מציין רק שהופעלו אמצעים כדי לסנן תוכן פוגעני ולנקות כפילויות, ושאין חלוקה מובנית לחלקי אימון ומבחן. המיקוד כולו הוא בבעיות מתמטיקה סטנדרטיות, בלי מעטפת מסביב.
מתאים ל
- אימון שרשרת מחשבה
לימוד מודלים לפרק שאלות מילוליות לשלבים חישוביים לפני מתן הפתרון.
- כוונון עדין למתמטיקה
חיזוק יכולות פתרון בעיות סטנדרטיות באנגלית עבור מודלי שפה פתוחים.
- הערכת תהליכי הסקה
בדיקת הדיוק של מודלים קיימים מול שלבי פתרון מובנים צעד אחר צעד.
איפה זה נופל
הנתונים כולם באנגלית, בלי שום תמיכה בשפות אחרות או בעברית. הכרטיס מודה שסגנון החשיבה עשוי לשקף מוסכמות מסוימות, ושנושאים מתמטיים מסוימים מיוצגים יותר מדי ואחרים פחות מדי. אין כיסוי של נושאים מתקדמים או אזוטריים. מעבר לזה, חוסר השקיפות לגבי מקור הבעיות דורש מכם לדגום ולבדוק ידנית את נכונות צעדי החישוב לפני שמסתמכים עליהם במוצר.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט לפיתוח מוצר מסחרי?
כן, הרישיון הוא Apache 2.0 והוא מתיר שימוש מסחרי מלא. צריך לשמור על תנאי הייחוס ולא לכלול את שמו של היוצר למטרות פרסום ללא אישור.
האם יש במאגר בעיות מתמטיות בעברית?
לא, כל הבעיות ושלבי הפתרון כתובים באנגלית בלבד. אם צריך עברית, תידרשו לתרגם את הנתונים בעצמכם או לחפש מקור אחר.
מאיפה נאספו הבעיות והפתרונות?
היוצר לא פירט את מקורות המידע או את תהליך הדגימה. ידוע רק שהרשומות עברו סינון להסרת כפילויות ותוכן לא הולם.
האם הדאטה מחולק מראש לאימון ובדיקה?
לא, כל 169,527 הרשומות מגיעות בקובץ יחיד. תצטרכו להפריד בעצמכם אחוז מסוים לטובת בדיקה והערכה לפני תחילת העבודה.
איך טוענים
הקובץ המרכזי יושב בפורמט JSONL תחת השם gammacorpus-math-CoT-170k.jsonl לצד קובץ התיעוד. אין צורך באישור גישה או במפתח מיוחד, פשוט מושכים את השורות. כל רשומה כוללת את השדות input עם הטקסט של השאלה, chain_of_thought שמחזיק מערך שלבי פתרון, ו־output עם התשובה המוגמרת. כדאי לפרוס בעצמכם חלוקה למבחן ואימון לפני שמתחילים להריץ.
from datasets import load_dataset
ds = load_dataset("rubenroy/GammaCorpus-CoT-Math-170k")הרישיון
המאגר שוחרר ברישיון apache-2.0. הרישיון מתיר שימוש מסחרי, שינוי והפצה, ואינו מחייב אתכם לשחרר את המודלים שתאמנו תחת אותו רישיון. תצטרכו רק לכלול את הצהרת הזכויות והרישיון המקורי בקבצים שתפיצו.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים