Ox-Alpha-10k
קוד פתוחTeichAIרישיון לא דווח2026-08-24
עשרת אלפים פרומפטים מורכבים שנוצרו במודל חשיבה ומיועדים לאימון מודל מורה. המאגר מכוון למשימות פיתוח, מדע וחשיבה לוגית בלי דיאלוגים ארוכים.
- 644הורדות בחודש
- 33לייקים
מה זה
המאגר כולל עשרת אלפים וחמישה פרומפטים במבנה של פנייה בודדת, שנועדו להפקת תשובות ממודל מורה. כל המידע הופק דרך OpenRouter באמצעות המודל stealth/ox-alpha ברמת מאמץ חשיבה גבוהה. כל רשומה כוללת מזהה ייחודי, קטגוריה ותת קטגוריה.
התוכן מחולק לנושאים טכניים ומדעיים כבדים. קוד, פיתוח ווב, פיתוח משחקים וספריות תלת מימד מרכיבים נתח משמעותי, לצד שאלות ידע, מתמטיקה ולוגיקה. שאר הנתונים מתפזרים על תחומים כמו פיזיקה, ביולוגיה, משפטים ופיננסים. מעבר לחלוקה לפי נושא, הרשומות מתחלקות לשלוש משפחות עיקריות, כאשר רובן המוחלט מוגדר כמשימות ביצועיות והשאר כהסבר וניתוח ידע, לצד קבוצה קטנה של מאה שמונים ושש רשומות סיד ידניות. מבחינת רמת קושי, רוב החומר יושב ברמות קושי בינונית וקשה, וכמעט עשרה אחוזים מוגדרים ברמת מומחה.
מתאים ל
- אימון מודל מורה
הרצת הפרומפטים על מודל חזק כדי לייצר תשובות מנומקות ומפורטות.
- סינתזה לקוד ולוגיקה
בניית דאטהסט ייעודי למשימות תכנות וחשיבה מתמטית ברמת קושי גבוהה.
- בדיקת יכולות מענה
הרצת שאלות קשות ומדעיות על מודל קיים לצורך הערכת יכולת פתרון בעיות.
איפה זה נופל
הנתונים מוגדרים באנגלית בלבד, כך שאי אפשר לבנות עליהם מודל שמבין עברית או הקשר מקומי בלי תרגום או תוספות. מדובר בפרומפטים סינתטיים שיוצרו על ידי מודל ספציפי דרך ממשק חיצוני, ולא בשאלות אמיתיות של משתמשי קצה בשרות פעיל. כמעט מחצית מהדוגמאות מדורגות כקשות, מה שעלול לייצר הטיה לרמות מורכבות חריגות ולפגוע בביצועים על בקשות יומיומיות פשוטות. נוסף על כך, קטגוריות כמו אבטחה או בטיחות כוללות עשרות או מאות בודדות של רשומות, ולא יספיקו לכיסוי מעמיק של התחומים האלה.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
לא מומלץ כרגע. המפרסם לא הגדיר רישיון לקבצים, ובהיעדר רישיון פתוח אין אישור רשמי להשתמש בתוכן למטרות מסחריות או לאמן עליו מודלים ללקוחות.
האם יש בדאטהסט תמיכה בעברית?
לא. המאגר מוגדר רשמית בשפה האנגלית בלבד, והפרומפטים מנוסחים באנגלית ללא התאמה לשפות אחרות או לתוכן מקומי.
איך בדיוק נאסף המידע?
הנתונים לא הגיעו ממשתמשים אנושיים. הם נוצרו באופן סינתטי באמצעות המודל stealth/ox-alpha דרך שירות OpenRouter, תוך שימוש ברמת reasoning גבוהה ובשילוב קבוצה קטנה של דוגמאות בסיס שנבחרו ידנית.
מה מבנה הנתונים שמקבלים בקובץ?
הקובץ העיקרי הוא train.jsonl שמכיל עשרת אלפים וחמש שורות. כל רשומה כוללת מזהה טקסטואלי, סיווג לקטגוריה רחבה וסיווג משני מפורט יותר.
איך טוענים
טוענים את המאגר ישירות מקובץ train.jsonl או דרך הספרייה הרגילה של Hugging Face. אין צורך בבקשת גישה מיוחדת כי המאגר פתוח להורדה. בכל שורה בקובץ תמצאו את השדות id, category ו־subcategory, ומהם תוכלו למשוך את הטקסט ולסנן לפי תחומי העניין שלכם לפני שמתחילים להריץ את ה־teacher model.
from datasets import load_dataset
ds = load_dataset("TeichAI/Ox-Alpha-10k")הרישיון
היוצרים לא הגדירו רישיון במאגר. כשאין רישיון, זכויות היוצרים שמורות להם כברירת מחדל ואין היתר מפורש לשימוש מסחרי, להפצה מחדש או לאימון מודלים שיוצאים לשוק. שימוש בנתונים האלה למוצר מסחרי חושף אתכם לסיכון משפטי, אלא אם תקבלו אישור ישיר מהמפרסם.