Raiden-DeepSeek-R1

מה זה

הנתונים מבוססים על 63 אלף פרומפטים שנלקחו מתוך המאגר orca-agentinstruct-1M-v1 של מיקרוסופט, ספציפית מהקטגוריות של תוכן יצירתי והסקה אנליטית. כל התשובות נוצרו ישירות על ידי מודל 685B של DeepSeek R1 במטרה לבחון את גבולות יכולת ההסקה שלו.

היוצרים בחרו במכוון שלא לערוך או לסנן את הפלט כלל, כדי להציג את התנהגות המודל בדיוק כפי שהיא. החומר מחולק לשבעה קבצי CSV נפרדים, מחלק ראשון עד שביעי, לצד קובץ הסבר, כך שאין כאן מבנה מורכב של פיצולים למבחן ואימון אלא חלוקה טכנית של הרשומות.

מתאים ל

• אימון מודלים קטנים

  זיקוק יכולות ההסקה של מודל 685B לתוך ארכיטקטורות קטנות יותר, רק אחרי ניקוי קפדני של הפלטים.

• מחקר על כשלי חשיבה

  זיהוי דפוסים שבהם המודל נכנס ללולאות חשיבה פנימיות או מספק עובדות שגויות בפרומפטים אנליטיים.

• בדיקת איכות יצירתית

  השוואת ביצועי כתיבה יצירתית והסקה מורכבת מול סטים אחרים של פלטי מודלים מתחרים.

איפה זה נופל

הבעיה המרכזית כאן היא היעדר מוחלט של סינון. הכרטיס מזהיר במפורש מפני לולאות חשיבה אינסופיות, שגיאות עובדתיות ותשובות שגויות לגמרי שהמודל פלט. אי אפשר לזרוק את זה ישר לאימון של מודל פרודקשן בלי לנקות את הזבל קודם.

בנוסף, כל המידע באנגלית בלבד ואין כאן נתונים בעברית. מי שבונה מוצר מקומי יצטרך לתרגם או לחפש מקור אחר לחלוטין.

איך טוענים

טוענים את הנתונים ישירות דרך ספריית datasets או בקריאת קבצי ה־CSV הרגילים מתוך שבעת החלקים שבמאגר. אין צורך באישור גישה מיוחד או בהרשמה מוקדמת, הכל פתוח להורדה מיידית.

מכיוון שהתשובות כוללות את שרשראות החשיבה המלאות של מודל ענק, כדאי לשים לב לנפח הטקסט בכל רשומה בעת הטעינה לזיכרון ולבדוק את עמודות הפרומפט והתגובה.

from datasets import load_dataset

ds = load_dataset("sequelbox/Raiden-DeepSeek-R1")

הרישיון

המאגר מפורסם תחת רישיון apache-2.0, שמאפשר שימוש מסחרי מלא, שינוי והפצה, כל עוד שומרים על הודעת זכויות היוצרים והרישיון המקורי. הוא אינו מחייב אתכם לשחרר מודלים שאימנתם תחת אותו הרישיון.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗