WixQA
קוד פתוחWixmit2025-04-28
מאגר שאלות ותשובות מבוסס מרכז התמיכה של Wix, שמיועד לבדיקה ואימון של מערכות RAG ארגוניות. הוא מספק שאלות ממשתמשים אמיתיים עם קישור מפורש למאמרי מקור שמהם נלקחה התשובה.
- 3,290הורדות בחודש
- 21לייקים
מה זה
המאגר מחולק לקורפוס מרכזי ולשלוש תצורות של שאלות ותשובות. הקורפוס מכיל 6,221 מאמרי תמיכה נקיים מ־HTML, שמחולקים לפי סוג המאמר, כולל בקשות לתכונות ותקלות מוכרות, יחד עם מזהה ייחודי וכתובת URL ציבורית.
חלק השאלות כולל תצורה סינתטית של 6,221 זוגות שאלה-תשובה שנוצרו על ידי GPT-4o מתוך מאמר בודד, לצד שתי תצורות מבחן קטנות של 200 רשומות כל אחת. תצורת המומחים מבוססת על פניות תמיכה אמיתיות ואנונימיות שתשובותיהן נכתבו ונבדקו על ידי שלושה מומחי תמיכה, והתצורה המדומה מבוססת על צ'אטים אמיתיים שעברו תמצות וסימולציה בעזרת GPT-4o ונבדקו ידנית. שתי תצורות אלו דורשות שילוב מידע ממספר מאמרים במקביל כדי לענות נכון.
מתאים ל
- הערכת ביצועי RAG ארגוני
בדיקת יכולת המודל לשלוף מאמרים רלוונטיים מתוך קורפוס תמיכה ולענות על שאלות מורכבות.
- בדיקת הנמקה רב-שלבית
מדידת הדיוק במענה על שאלות שמחייבות איסוף עובדות מכמה מסמכים שונים בו-זמנית.
- אימון מודלי אחזור
התאמת מודלי חיפוש צפוף או דליל על בסיס צמדי שאילתה ומזהי מאמרי מקור מאומתים.
איפה זה נופל
הנתונים כולם באנגלית בלבד ומשקפים תמונת מצב של מרכז התמיכה מתאריך 2024-12-02, כך ששינויים במוצר מאז לא קיימים בו. תצורת הנתונים המרכזית מבחינת כמות נוצרה באופן סינתטי על ידי מודל, מה שעלול להכניס דפוסים מלאכותיים לשאלות. בנוסף, חלקי המבחן האיכותיים מכילים 200 שאלות בלבד בכל תצורה, וכל המידע ממוקד סביב המוצרים של חברה אחת ולא בהכרח מייצג תמיכה טכנית כללית.
שאלות
נפוצות
האם המאגר כולל תוכן בעברית?
לא. המאגר מוגדר כ־English US וכל השאלות, התשובות ומאמרי בסיס הידע כתובים באנגלית בלבד.
האם מותר להשתמש בדאטהסט לפיתוח מוצר מסחרי?
כן. רישיון MIT מתיר שימוש מסחרי מלא, כולל אימון מודלים סגורים, כל עוד שומרים על הודעת זכויות היוצרים ומציינים את המקור.
איך נאספו השאלות והתשובות במאגר?
החלק הסינתטי הופק ממאמרי התמיכה באמצעות GPT-4o. חלקי המבחן נלקחו מפניות צ'אט וכרטיסי תמיכה אמיתיים של משתמשי Wix, שעברו אנונימיזציה ובדיקה קפדנית של מומחי תמיכה אנושיים.
במה הדאטהסט הזה שונה ממאגרי שאלות ותשובות רגילים?
הוא נבנה במיוחד למבנה של תמיכה טכנית ארגונית שדורשת מענה לפי שלבים. בנוסף, חלקי המבחן שלו דורשים סינתזה של כמה מסמכים שונים במקביל כדי להגיע לתשובה הנכונה ומספקים קישור מפורש למאמרי המקור.
איך טוענים
טוענים את הנתונים ישירות דרך ספריית datasets על ידי ציון שם המאגר והקונפיגורציה הרצויה, למשל wixqa_expertwritten או wix_kb_corpus. אין צורך באישור גישה מוקדם, והקבצים שמורים בפורמט JSONL. השדות הקריטיים בכל רשומת שאלות הם question, answer והרשימה article_ids, שמאפשרת לחבר את התשובה לטקסט המלא שמופיע בשדה contents בקורפוס.
from datasets import load_dataset
ds = load_dataset("Wix/WixQA")הרישיון
המאגר מופץ תחת רישיון MIT, מה שמתיר שימוש חופשי כולל שימוש מסחרי, שינוי ואימון מודלים. אין חובה לשתף נגזרות תחת אותו רישיון. הדרישה היחידה היא מתן קרדיט לצוות המחקר של Wix לפי ההנחיות במסמך.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש