We-Math2.0-Standard
קוד פתוחWe-Mathרישיון לא דווח2025-08-14
מאגר נתונים שמתמקד בשיפור הסקת מסקנות מתמטית חזותית במודלים רב-מודאליים. הוא מציע כיסוי מושגי רחב שנשען על עץ ידע מובנה ומדורג.
- 216הורדות בחודש
- 26לייקים
מה זה
המאגר הזה הוא גרסת הסטנדרט של מערכת We-Math 2.0, שפותחה כדי לטפל בקושי של מודלים להתמודד עם שאלות מתמטיקה שכוללות תמונות וגרפים. הבסיס לכל החומר כאן הוא מערכת ידע היררכית בת חמש רמות, שמכילה 491 נקודות ידע שונות ו־1,819 עקרונות יסוד מתמטיים.
חלק הסטנדרט נבנה כדי לתת מענה רחב וגמיש דרך הרחבה כפולה של הנתונים, בניגוד לגרסת הפרו שמכוונת לקפיצות ברמת הקושי של כל תרגיל. המטרה היא להביא מגוון עשיר של שאלות מתמטיות ויזואליות שיושבות על נקודות הידע הללו, כחלק ממחקר שלם שכולל גם מודל אימון מבוסס למידת חיזוק ומבחן הערכה מקיף.
מתאים ל
- אימון מודלים רב-מודאליים
לימוד מודלים לפתור בעיות מתמטיקה שכוללות תרשימים, משוואות ואיורים מורכבים.
- מחקר על שרשראות חשיבה
בדיקת יכולת המודל לייצר שלבי פתרון מנומקים סביב נקודות ידע ספציפיות.
- בדיקת כיסוי מושגי
הערכת ביצועי מודל קיים מול מאות עקרונות מתמטיים מוגדרים היטב.
איפה זה נופל
היוצרים כמעט ולא חשפו פרטים טכניים בסיסיים בתוך הכרטיס עצמו. לא ידוע מאיפה בדיוק נאספו התמונות והבעיות, האם הן נסרקו מספרים, נלקחו ממבחנים או נוצרו באופן סינתטי. אין כאן מילה על השפות שקיימות בטקסט, למרות שהמחקר נכתב באנגלית וכנראה זה המצב גם בנתונים. אם אתם מחפשים תמיכה בעברית, סביר מאוד להניח שלא תמצאו אותה כאן, ותצטרכו לבדוק את הקבצים בעצמכם כדי לוודא שאיכות הסימון המתמטי והתמונות מספקת עבורכם.
שאלות
נפוצות
האם מותר להשתמש במאגר הזה לפיתוח מודל מסחרי?
לא כדאי לגעת בזה לצרכים מסחריים כרגע. היוצרים לא פרסמו שום רישיון שימוש, ובהיעדר רישיון מוגדר החוק לא מתיר שימוש חופשי או מסחרי. כדי למנוע בעיות משפטיות, תצטרכו לפנות לכותבי המאמר או לחכות שיעדכנו רישיון רשמי.
האם יש במאגר שאלות מתמטיות בעברית?
הכרטיס לא מזכיר תמיכה בעברית בכלל. הפרויקט הוא מחקר אקדמי בינלאומי שנכתב באנגלית, ולכן סביר שכל השאלות וההסברים כתובים באנגלית בלבד. אם המטרה שלכם היא מודל שמבין מתמטיקה בעברית, תצטרכו לתרגם את הנתונים בעצמכם.
באיזה פורמט הקבצים מגיעים ואיך פותחים אותם?
החומר שמור בקובצי Parquet סטנדרטיים בתוך המאגר. אפשר לטעון אותם בכמה שורות קוד של פייתון עם ספריית pandas או דרך huggingface datasets. אין צורך בתהליך הרשמה או בקשת אישור מיוחדת כדי להתחיל להוריד.
איך הנתונים האלה נאספו וסוננו לפי החוקרים?
התיעוד שפורסם לא מפרט את מקור הנתונים הראשוני או את שיטות הסינון. מה שכן מוסבר הוא שהחומר עבר ארגון והרחבה כפולה כדי לשבת על עץ של 491 נקודות ידע ו־1,819 עקרונות. לפרטים עמוקים יותר על אופן הניקוי, צריך לקרוא ישירות את המאמר המלא.
איך טוענים
הנתונים מוגשים בפורמט Parquet, כולל הקובץ mathbook_standard.parquet וקובץ נתונים נוסף באותה תיקייה. אין צורך באישור גישה מיוחד כדי להוריד אותו מהמאגר. טוענים אותו ישירות בעזרת ספריית datasets או דרך pandas. שמות השדות המדויקים לא פורטו בתיעוד שסופק, אך מאחר שמדובר בחומר חזותי ומתמטי, הנתונים יושבים על חלוקת נושאי הידע לפי המבנה של הפרויקט.
from datasets import load_dataset
ds = load_dataset("We-Math/We-Math2.0-Standard")הרישיון
הרישיון של המאגר לא דווח כלל בעמוד הפרויקט. מבחינה משפטית, היעדר רישיון אומר שאין לכם שום הרשאה מפורשת להשתמש בנתונים, בטח שלא לאימון מודלים לשימוש מסחרי או הפצה מחדש. כל עוד המפתחים לא יעדכנו רישיון קוד פתוח מוכר, שימוש בדאטהסט הזה בתוך מוצר חושף אתכם לסיכון משפטי ברור.