CUA-Gym
קוד פתוחxlangaicc-by-4.02026-05-13
מאגר של 10,910 משימות להפעלת מחשב עם בדיקות הצלחה אוטומטיות בפייתון. הוא מיועד למי שמאמן סוכני ממשק ורוצה חיזוקים מבוססי קוד במקום תיוג ידני.
- 1,375הורדות בחודש
- 29לייקים
מה זה
המאגר כולל 10,910 משימות שנועדו לאימון והערכה של סוכנים אוטונומיים בסביבות שולחן עבודה ודפדפן. כל רשומה כוללת הוראה בשפה טבעית, הגדרות התקנה של הסביבה וסקריפט פייתון שבודק בצורה תכנותית אם המשימה בוצעה. המבנה מחולק לשניים: טבלת מטא-דאטה שמרכזת סיווגים וזיהויים, וארכיון קבצים דחוס שמכיל 32,730 קבצי קוד, תצורות ומסמכים נלווים.
המשימות מכסות 327 סוגי יישומים שונים, כשהבולטים שבהם הם כלי ליברה אופיס, עורך הקוד VSCode, קובצי PDF וסביבות ווב מדומות כמו אינסטגרם, האבספוט וגוגל דוקס. לפי התיעוד, החלוקה לפי רמות קושי אינה שלמה: ל־7,365 משימות יש תג קושי, בעוד 3,545 משימות מגיעות ללא תיוג כזה.
מתאים ל
- אימון סוכני RLVR
אימון סוכני מחשב בלמידת חיזוק באמצעות פונקציות התגמול המובנות בכל משימה.
- מבחני ביצועים לסוכני קוד
בדיקת יכולת המודל לתפעל סביבות עבודה מורכבות כמו VSCode וליברה אופיס.
- יצירת דאטהסטים סינתטיים
שימוש במבנה המשימות הקיים לפיתוח והרחבה של משימות אוטומציה חדשות.
איפה זה נופל
התגמול בסקריפטים בודק רק את המצב הסופי של המערכת ולא את הדרך שהסוכן עשה כדי להגיע לשם. יישומי הווב הם סביבות דמה מקומיות, ולכן חסרים בהם תהליכי אימות אמיתיים, זמני השהיית רשת, הגבלות קצב ותקלות שרת נפוצות.
כלל ההוראות והנתונים מוגשים באנגלית בלבד, כך שאין כאן התאמה לשפות אחרות או ממשקים בעברית. מאחר שקבצי ההתקנה והבדיקה כוללים קוד פייתון ופקודות מעטפת שמבצעים שינויים במערכת, הרצה שלהם מחוץ לקונטיינר מבודד או מכונה וירטואלית מהווה סיכון אבטחה ישיר.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מודל מסחרי?
כן, רישיון CC-BY 4.0 מתיר שימוש מסחרי מלא ללא הגבלה על המודל שתאמנו עליו. החובה היחידה היא לתת ייחוס וקרדיט למחברים המקוריים לפי ההנחיות ברישיון ובמאמר.
כמה המאגר שוקל בפועל על הדיסק?
הטבלה הראשית נטענת במהירות כקובץ Parquet קל משקל. ארכיון המשימות המלא, שמכיל את קובצי ההרצה והבדיקה, שוקל כ־294 מגה-בייט לאחר חילוץ מהדחיסה.
האם המשימות כוללות ממשקים או טקסטים בעברית?
לא. כל ההוראות, קובצי ההגדרות, הממשקים המדומים והבדיקות בנויים באנגלית בלבד, ואין במאגר נתונים מותאמים לעברית.
האם אפשר להריץ את משימות הרשת ישירות מול השרתים של מפרסמי הדאטהסט?
היוצרים ממליצים שלא להסתמך על השרתים שלהם מעבר לבדיקות תקינות קצרות. לצורך הרצה מלאה או אימון בקנה מידה רחב, חובה לפרוס את שרתי ה־mock באופן עצמאי ולהגדיר את הכתובות המקומיות.
איך טוענים
טעינת המטא-דאטה נעשית ישירות דרך ספריית datasets באמצעות הפקודה load_dataset עם הפיצול train. כדי להריץ את המשימות עצמן חייבים להוריד את קובץ הארכיון הדחוס בפורמט zst, ששוקל כ־294 מגה-בייט לאחר פתיחה, יחד עם קובצי הסקריפטים והגדרות הכתובות. אין צורך בבקשת גישה מיוחדת.
לפני הרצת משימות ווב נדרש לפרוס עצמאית את שרתי ה־mock של הפרויקט ולהפעיל סקריפט שמחליף את כתובות ברירת המחדל. השדות החשובים בטבלה הם id, instruction, app_type והנתיבים לקובצי ה־reward וה־setup בתוך הארכיון.
from datasets import load_dataset
ds = load_dataset("xlangai/CUA-Gym")הרישיון
הנתונים מפורסמים תחת רישיון CC-BY 4.0. הרישיון מתיר שימוש מסחרי, שינוי והפצה של החומרים, ואינו מחייב שיתוף של תוצרים או מודלים מאומנים תחת אותו רישיון. התנאי המרכזי והמחייב הוא מתן קרדיט ברור ליוצרי המאגר ומפתחיו בכל שימוש או פרסום שמתבסס עליו.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס