Roleplay-Anime-Characters
קוד פתוחzerofataרישיון לא דווח2025-05-24
המאגר כולל שיחות תפקידים סינתטיות של אחד על אחד עם דמויות אנימה ומשחקים. המטרה כאן היא לדחוף מודלים לפעול בתוך דמות תחת תרחישים אבסורדיים ולא שגרתיים.
- 167הורדות בחודש
- 29לייקים
מה זה
הנתונים מורכבים משיחות תפקידים בדיוניות שנבנו סביב דמויות שנגרדו מתוך Danbooru ודפי Fandom. התרחישים עצמם מציבים את הדמויות בסיטואציות של יקום חלופי כדי לחייב את המודל להפגין יוזמה, רגש ויצירתיות, במקום להישען על תבניות קבועות.
התוכן נוצר כולו באמצעות מודלים מסחריים: Claude 3.7, Deepseek-v3 ומעט Gemini 2.5 Pro. תהליך היצירה כלל הרצת פקודות מחוץ לדמות בזמן יצירת התורות כדי לייצב את התנהגות הדמות, ולאחר מכן ניקוי של הפקודות האלו, קיצוץ תורות המשתמש, וסינון אוטומטי של חזרתיות, התחזות וניסוחים ירודים באמצעות סקריפטים בפייתון.
מתאים ל
- אימון משחקי תפקידים
כוונון עדין של מודלי שפה להתנהגות עקבית כדמות בדיונית בתרחישים עלילתיים מורכבים.
- שיפור יצירתיות ויוזמה
לימוד מודלים להגיב בהבעת רגש ולהוביל את העלילה קדימה בשיחה במקום רק להמתין להנחיות.
- בדיקת הכללה ביקום חלופי
הערכת היכולת של המודל לקחת ידע קיים על דמות מוכרת ולהפעיל אותו בסיטואציה לא שגרתית.
איפה זה נופל
היוצר מבהיר במפורש שהדאטהסט סינתטי ואינו מושלם. למרות הסינון, תמצאו בפנים תגובות חזרתיות, טקסט מרוח, התחזויות קלות לתפקיד המשתמש ותשובות חסרות היגיון. בנוסף, הנתונים הם כמעט ללא תוכן למבוגרים אך לא באופן מוחלט, אין בהם שום תמיכה בעברית, והם מתבססים על שמות ותרחישים מתרבות האנימה, כך שהם לא יתאימו למוצר שדורש אמינות עובדתית או סגנון דיבור כללי.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט הזה במוצר מסחרי?
לא מומלץ בכלל. היוצר לא ציין שום רישיון שימוש, ובמצב כזה החוק רואה את החומר כמוגן בזכויות יוצרים ללא היתר שימוש. בנוסף, הנתונים נוצרו בעזרת מודלים מסחריים סגורים שאוסרים במפורש שימוש בפלט שלהם לאימון מודלים מסחריים מתחרים.
האם יש בדאטהסט תמיכה בעברית?
לא, אין כאן עברית כלל. כל התוכן נוצר באנגלית ומבוסס על שמות דמויות ותרחישים באנגלית שנלקחו מאתרי מעריצים. אם אתם מכוונים לקהל ישראלי, תצטרכו לתרגם את הנתונים או לייצר סט מקביל.
איך המידע נאסף ועובד בפועל?
דמויות נבחרו מקובץ של אתר Danbooru, והורחבו בעזרת מידע מתוך דפי מעריצים של Fandom. משם מודלי שפה גדולים יצרו תרחישים, תכונות משתמש והודעות פתיחה, ובנו את הדיאלוגים תחת סינון של סקריפטים שמחקו חזרות וביטויי סרק.
מה ההבדל בינו לבין מאגרי שיחה סינתטיים אחרים?
רוב מאגרי השיחה מתמקדים בסיוע כללי או במענה על שאלות. המאגר הזה מתרכז ספציפית במשחק תפקידים אחד על אחד עם אילוצי אורך תגובה ותרחישים מוזרים, שנועדו לכפות על המודל להפגין אופי ויוזמה עלילתית.
איך טוענים
המאגר זמין ישירות ללא צורך באישור גישה מיוחד, ומכיל שלושה קבצים בלבד. הנתונים עצמם מרוכזים בקובץ dataset.jsonl, פורמט נוח מאוד לעבודה מיידית בספריות קוד סטנדרטיות. לפני שאתם מתחילים להריץ אימון, כדאי לקרוא מדגם שורות כדי לוודא שפורמט השיחה, שדות ההודעות וההנחיות הפנימיות מתאימים בדיוק למבנה שבו המודל שלכם מצפה לקבל נתוני שיחה.
from datasets import load_dataset
ds = load_dataset("zerofata/Roleplay-Anime-Characters")הרישיון
המאגר פורסם ללא שום דיווח על רישיון. מבחינה משפטית, היעדר רישיון אומר שכל הזכויות שמורות ליוצר, ואין לכם אישור מוגדר להשתמש בנתונים, לשנות אותם או להפיץ מודל שאומן עליהם לצרכים מסחריים. מעבר לכך, התוכן נוצר באמצעות מודלים כמו קלוד וג'מיני, מה שמוסיף מגבלות שימוש של החברות הללו על אימון מודלים מתחרים.