نظرة عامة على مجموعة البيانات

تم إصدار مجموعة بيانات جدولة التقويم بواسطة شركة إنفيديا في عام 2025، وهي عبارة عن مجموعة بيانات لمحادثات متعددة الجولات تهدف إلى فهم قيود الجدولة باللغة الطبيعية واتباع التعليمات عبر جولات متتالية لحل التعارضات.

تحتوي هذه المجموعة على محادثات مولدة متعدد الجولات تم إنتاجها باستخدام طرق تركيبية لتدريب نماذج اللغة الكبيرة على قدرة جدولة الأحداث ضمن قيود معقدة. تعتمد عملية توليد البيانات على شخصيات أدوار محددة مسبقاً لمحاكاة المستخدمين الذين يطرحون احتياجات لجدولة أحداث تتضمن قيود المدة والفترات الزمنية بترتيب عشوائي، حيث يتعين على المساعد دمج جميع القيود لإتمام عملية الجدولة. نُشرت هذه المجموعة كجزء من إطار عمل NVIDIA NeMo Gym، بهدف دعم بناء بيئات التدريب للتعلم المعزز القائم على المكافآت القابلة للتدقيق (RLVR)، مما يساعد المجتمع على تحسين قدرات النماذج في اتباع التعليمات المتعددة الجولات.

تكوين مجموعة البيانات

تتضمن هذه المجموعة بشكل رئيسي الحقول والهيكل التاليين:

• المحادثة (conversation): سجل للمحادثات متعددة الجولات يتضمن تفاعل المستخدم مع المساعد، وتنتهي برسالة المستخدم الأخيرة.
• حالة تقويم التجربة (exp_cal_state): بصيغة قاموس يحتوي على قائمة بالأحداث الموجودة في التقويم والمدى الزمني والقيود المرتبطة بها، ويمكن استخدامه للتحقق من دقة نتائج الجدولة.

تنقسم مجموعة البيانات إلى مجموعتين فرعيتين هما مجموعة التدريب ومجموعة التحقق، ويبلغ إجمالي عدد العينات فيها 4000 عينة. يوضح التوزيع التفصيلي ما يلي:

• مجموعة التدريب (train): 3872 عينة
• مجموعة التحقق (validation): 128 عينة

صيغة تخزين البيانات هي النصية، ويبلغ حجم التخزين الإجمالي حوالي 43 ميجابايت.