fable-5-premium

מה זה

המאגר כולל 12,730 רשומות המבוססות על עקבות פעולה של סוכנים, ומתאים למשימות של יצירת טקסט וסיווג טוקנים. הנתונים מחולקים לסט אימון של 5,728 רשומות, וחלקי ולידציה ובדיקה שמכילים 318 ו־319 רשומות בהתאמה. שאר הרשומות מופיעות במאגר מחוץ לחלוקות הראשיות האלו.

התוכן עבר תהליך עיבוד שכלל הסרת כפילויות באמצעות האש, אימות מבנה של שיחות והפעלת כלים, וסינון תשובות קטועות או שגיאות. בנוסף, המפרסם ביצע ניקוי של נתיבי מערכת, מפתחות גישה ומידע רגיש, ודירג את איכות הדגימות, כאשר רוב הנתונים קיבלו ציון איכות שנע בין 0.8 ל־1.0.

מתאים ל

• כיוונון סוכנים להפעלת כלים

  אימון מודלים לביצוע קריאות לפונקציות וניהול רצף שיחה עם כלים חיצוניים באנגלית.

• אימון תהליכי חשיבה

  לימוד מודלי שפה להפיק שרשראות חשיבה באמצעות שדה הייעודי או התגיות המוטמעות.

• הערכת ביצועי סוכנים

  בדיקת יכולת המודל להתמודד עם תרחישי סוכן בעזרת סטי הבדיקה והוולידציה המוכנים.

איפה זה נופל

הנתונים כולם באנגלית בלבד, ואין כאן תמיכה בעברית. המפרסם עצמו מציין שיצאה גרסה שנייה למאגר וממליץ למשתמשים חדשים לפנות אליה, מה שהופך את הגרסה הזו לפחות עדכנית. בנוסף, למרות תהליך הסינון, נותרו במאגר 448 רשומות שקיבלו ציוני איכות נמוכים של 0.3 עד 0.5, כך שמומלץ לבצע סינון נוסף לפי הציון לפני שמאמנים מודל לייצור.

איך טוענים

טוענים את המאגר ישירות בספריית הדאטהסטים בלי צורך באישור גישה. הוא מגיע בקובצי Parquet ו־JSONL, וזמין בשתי תצורות: מבנה שיחה רגיל התואם לפורמט של מודלי צ'אט, או פורמט ייעודי של עקבות סוכן.

בנתונים קיימים שדות ייעודיים לתהליכי חשיבה והפעלת כלים, כולל שדה reasoning נפרד או תגיות חשיבה מובנות בתוך הטקסט של התשובה. המבנה הזה נתמך ישירות בכלים נפוצים כמו Axolotl ו־Unsloth.

from datasets import load_dataset

ds = load_dataset("saidutta69/fable-5-premium")

הרישיון

המאגר מופץ תחת רישיון MIT. הרישיון הזה מתיר שימוש מסחרי ומחקרי חופשי לחלוטין, כולל שינוי הנתונים ואימון מודלים סגורים או פתוחים ללא חובת שיתוף באותו רישיון. התנאי היחיד הוא שמירת הודעת זכויות היוצרים של המפרסם המקורי.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗