lordx64-claude-opus-4.7-max-cleaned

מה זה

הנתונים מבוססים על מאגר מקור של משתמש בשם lordx64 שמנה 8,124 רשומות, ומתוכו נחתכו מעל 40 אחוזים מהשורות כדי להישאר עם 4,807 דוגמאות תקינות בלבד. כל שורה מייצגת אינטראקציית צ'אט שמכילה פרומפט, תהליך חשיבה מפורט ותשובה סופית.

הסינון התמקד בשלוש בעיות מרכזיות במקור. קודם כל נופו 1,230 שורות שבהן המודל הדגים חשיבה מזויפת, כלומר העמיד פנים שהוא פותר בעיה במקום לחשוב עליה באמת. בנוסף נמחקו 989 פרומפטים כפולים ועוד 1,098 שורות שבהן שדות החשיבה, הפרומפט או התשובה היו ריקים לגמרי.

מתאים ל

• אימון מודלים על הסקת מסקנות

  לימוד מודלים קטנים לייצר שרשרת חשיבה אמיתית ומנומקת לפני מתן תשובה סופית.

• הערכת תהליכי חשיבה

  בדיקת היכולת של מודל קיים להתמודד עם שאלות חשיבה מורכבות מול תשובות מודל חזק.

• בניית מאגר סינתטי משולב

  מיזוג 4,807 הדוגמאות המסוננות לתוך סט נתונים רחב יותר כדי לשפר איכות חשיבה.

איפה זה נופל

במאגר יש רק 4,807 דוגמאות, כך שהוא קטן מאוד ולא יספיק לבדו לאימון מלא. כרטיס המאגר לא מפרט באילו שפות מדובר ואין בו תיעוד לנוכחות של עברית. בנוסף, כל שיטת האיסוף המקורית אינה מוסברת כאן אלא מפנה למאגר הראשוני, כך שאיכות התוכן עצמו מעבר לשלושת הפילטרים שהופעלו נשארת לא ידועה.

איך טוענים

אתם מושכים את הקובץ train.jsonl ישירות מהמאגר, בלי צורך בבקשת גישה מיוחדת או באישור מקדים. המבנה מגיע בתצורת JSONL סטנדרטית עם מערך messages מוכן להזנה במודלי שיחה, לצד שדות מופרדים עבור thinking, prompt ו־response. שימו לב שהשדה המרכזי שתרצו לבדוק הוא thinking, שבו מרוכז כל תוכן הסקת המסקנות.

from datasets import load_dataset

ds = load_dataset("TeichAI/lordx64-claude-opus-4.7-max-cleaned")

הרישיון

האריזה והקוד במאגר מפורסמים תחת רישיון Apache 2.0 המאפשר שימוש מסחרי ושינויים, אך התוכן עצמו כפוף לתנאי השימוש של חברת Anthropic. המשמעות היא שאם אתם מאמנים מודל מסחרי מתחרה על פלטים של קלוד, אתם עלולים להפר את תנאי השירות של החברה המקורית.

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

הרישיון המלא ב־Hugging Face ↗