Plot2Code

מה זה

במאגר ישנם 132 גרפים איכותיים מתוך גלריות פומביות של matplotlib, המכסים שישה סוגי תרשימים שונים. בנוסף עודכנו בו זוגות של גרפים וקוד עבור plotly בפייתון ובשפת R. לכל גרף מוצמדים קוד המקור שמייצר אותו, תמונת התוצאה והוראה מילולית באנגלית שנוצרה באמצעות GPT-4 ומתארת את הגרף.

הנתונים נאספו מסריקה של תיעוד וגלריות הקוד הפתוח של matplotlib ושל plotly. הם מיועדים לבחינת מודלים בשלושה מצבים שונים: יצירת קוד לפי תיאור טקסטואלי, יצירת קוד ישירות מתוך תמונת גרף ללא טקסט, ושילוב של תמונה יחד עם תיאור טקסט.

מתאים ל

• הערכת מודלי ראייה ושפה

  בדיקת יכולת המודל לייצר קוד גרפי מדויק לפי תמונת רפרנס או תיאור.

• בדיקת המרת תמונה לקוד

  בחינת תרגום ישיר של תרשים מדעי לסקריפט שמייצר אותו ללא הנחיות טקסט.

• השוואת ביצועים בין שפות

  מדידת הדיוק ביצירת ויזואליזציות בקוד בין פייתון לבין שפת R.

איפה זה נופל

זהו בנצ'מרק הערכה זעיר ולא סט נתונים לאימון. 132 דוגמאות בסיסיות של matplotlib אינן מספיקות ליצירת מודל, אלא רק לבדיקת ביצועים. כל הטקסטים וההוראות כתובים באנגלית בלבד ונוצרו על ידי GPT-4, כך שהניסוחים מוטים לסגנון שלו. הגרפים מגיעים מתיעוד רשמי ולכן פשוטים יחסית לעומת תרשימים מורכבים ומבולגנים מעולם האמיתי.

איך טוענים

טוענים את הקבצים ישירות באמצעות git clone יחד עם git lfs מכתובת המאגר בהאגינג פייס. אין צורך באישור גישה או בטופס מקדים, והמאגר פתוח להורדה מיידית. המבנה כולל 374 קבצים, ביניהם קובצי תמונות PNG של הגרפים כדוגמת ground_truth_image לצד קוד המקור וההוראות.

from datasets import load_dataset

ds = load_dataset("TencentARC/Plot2Code")

הרישיון

המאגר מסומן ברישיון Apache-2.0, אך הטקסט של המפתחים מגביל שימוש מסחרי ומחייב אישור רשמי בכתב לצד שימוש חופשי למחקר אקדמי. קודי המקור נלקחו מרישיונות BSD ו־MIT ודורשים ייחוס. הסתירה בין הצהרת הרישיון להגבלה בפועל הופכת שילוב של המאגר במוצרים מסחריים לסיכון משפטי ללא אישור ישיר מהם.

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

הרישיון המלא ב־Hugging Face ↗