ubuntu_osworld_verified_trajs
קוד פתוחxlangaimit2025-08-04
המאגר כולל עקבות ריצה מלאים של מודלים שביצעו משימות מחשב אמיתיות בסביבת אובונטו. הוא מיועד למי שרוצה לנתח איפה סוכנים נכשלים מול ממשק גרפי או להשוות ביצועים מול נתוני אמת.
- 3,348הורדות בחודש
- 21לייקים
מה זה
הנתונים מתעדים ריצות הערכה של מעל 15 גרסאות מודלים שונים, כמו UI-TARS, AutoGLM ו־OSWorldSurfer, על בנצ'מרק OSWorld. כל רשומה מייצגת ניסיון ביצוע משימה בסביבת שולחן עבודה ומכילה צילומי מסך, רצף פעולות, שרשראות חשיבה של המודלים, תוצאות הצלחה ומדדי ביצוע. המאגר מכיל מעל 1,000 אפיזודות הערכה.
המשימות המוקלטות נפרסות על פני שימוש מעשי בתוכנות יומיומיות ומקצועיות בלינוקס, כמו דפדפן כרום, נגן VLC ותוכנת המייל ת'אנדרבירד, חבילת ליברה אופיס, עריכת תמונה בגימפ, כתיבת קוד ב־VS Code, לצד פעולות מערכת הפעלה ישירות ותהליכי עבודה שמשלבים כמה יישומים יחד.
הקבצים מחולקים לפי מודלים ומגבלות צעדים שונות של 15, 50 ו־100 צעדים, לצד הרצות חוזרות, מה שמאפשר לראות התנהגות מהירה מול ניסיונות פתרון מעמיקים וממושכים.
מתאים ל
- ניתוח כשלי ממשק
זיהוי נקודות שבהן סוכנים מבוססי ראייה מתקשים לפעול מול כפתורים, תפריטים וחלונות קופצים במערכת הפעלה.
- השוואת ביצועי מודלים
בדיקת שרשראות החשיבה וזמני התגובה של מודלים שונים באותן משימות בדיוק תחת מגבלות צעדים זהות.
- בניית כלי ויזואליזציה
פיתוח כלי ניטור שמציגים צעד אחר צעד את צילומי המסך והפעולות שביצע הסוכן בדרך להשלמת משימה.
איפה זה נופל
יוצרי המאגר מציינים במפורש שהנתונים לא מומלצים לאימון סוכנים לשימוש במחשב, אלא מיועדים בעיקר למחקר, ניתוח כשלים והשוואה. הנתונים מתעדים מודלים קיימים שחלקם נכשלו במשימות, ולכן הם כוללים שגיאות והתנהגויות לא רצויות. הממשקים והמשימות מבוססים על מערכת אובונטו בלבד, והתוכן כולו באנגלית ללא תמיכה בעברית. לפני שמסיקים מסקנות למוצר, צריך לזכור שהבדיקות נערכו בסביבות מוגדרות ולא בשימוש אנושי חופשי.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, הרישיון הוא MIT ולכן השימוש המסחרי מותר לחלוטין ללא תמלוגים. כל מה שנדרש הוא לשמור על תנאי הרישיון והקרדיט למפתחים בקוד או בתיעוד. אין שום חובה לשחרר את המוצר שלכם בקוד פתוח.
האם אפשר להשתמש בנתונים האלה לאימון מודל חדש?
יוצרי הדאטהסט מציינים במפורש שהם לא ממליצים על כך. הריצות מכילות הרבה טעויות והתנהגויות שגויות של מודלים שהוערכו על המשימות. הנתונים מתאימים בעיקר למחקר, ניתוח ודיבוג ולא כדוגמאות אידיאליות לאימון חיקוי.
האם יש במאגר תמיכה בממשקים בעברית?
לא, אין שום התייחסות לעברית. כל המשימות, הממשקים והיישומים שנבדקו פועלים בסביבת אובונטו באנגלית. אם אתם בונים סוכן שמיועד לממשקים בעברית תצטרכו לאסוף נתונים מתאימים בעצמכם.
איך הנתונים האלה נאספו בפועל?
החוקרים הריצו מודלים שונים כמו UI-TARS ו־AutoGLM בתוך סביבת OSWorld על פני מגוון משימות שולחן עבודה. במהלך הריצה נשמרו צילומי המסך, הפקודות שנשלחו למערכת, תוצרי החשיבה והציון הסופי שנבדק אוטומטית. הכל נארז לפי קבצי zip נפרדים לכל מודל ומסגרת צעדים.
איך טוענים
אין כאן מבנה טבלאי של שורה אחר שורה שטוענים בספריית הדאטהסטים הרגילה בלחיצה אחת. המאגר מורכב מ־104 קבצים, רובם ארכיוני zip גדולים שמקובצים לפי שמות המודלים ומספרי הצעדים, לצד קובצי הגדרות כמו args.json וריכוז מדדים ב־all_result.json. הגישה חופשית לגמרי וללא צורך באישור. כדי לעבוד איתם בפועל תצטרכו להוריד את קובצי ה־zip של הריצה הרלוונטית, לחלץ את התוכן ולעבד את רצף התמונות וקובצי היומן המצורפים לכל אפיזודה.
from datasets import load_dataset
ds = load_dataset("xlangai/ubuntu_osworld_verified_trajs")הרישיון
המאגר מופץ תחת רישיון MIT, מה שנותן חופש פעולה רחב מאוד. מותר להשתמש בנתונים למטרות מסחריות, לנתח אותם, לשנות אותם ולשלב אותם בכל פרויקט פנימי או מסחרי. הדרישה היחידה היא לצרף את הודעת זכויות היוצרים ואת נוסח הרישיון המקורי. הרישיון לא מחייב אתכם לשתף את הקוד שלכם תחת אותו רישיון ולא מגביל תוצרים של מודלים שתפתחו.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש