用途：帮助研究者在分散的希伯来语/意第绪语 ML 生态中，按任务快速定位数据集与模型，并判断许可证与可用性。
主要能力：按任务给出数据集家族，如 ASR 看 ivrit.ai（crowd-transcribe、audio-v2、whisper-large-v3 系列），LLM 预训练看 Dicta 语料、CulturaX、fineweb-2 heb_Hebr、MADLAD-400、OSCAR-2301、mC4；情感用 HebrewSentiment，NLI 用 HebNLI，问答用 HeQ、ParaShoot，摘要用 HeSum、HebSummaries，基准用 HEBREW-MMLU。整理 ivrit.ai、Dicta、HebArabNlpProject、NNLP-IL 等机构的关键产物与许可证姿态，并区分 Knesset 音频（ivrit.ai 定制许可、门控）与 HaifaCLGroup/KnessetCorpus 文本（cc-by-sa-4.0、非门控）。
使用方式：先按任务匹配数据集家族，再核对数据集卡上的许可证与门控状态；ivrit.ai 多数数据集为自动批准门控，需用训练所用 HF_TOKEN 对应账号在页面点击 Agree，模型通常不门控。给出模型-数据配对建议，如 dictabert + HebrewSentiment、dictabert + HeQ、whisper-large-v3 + 领域音频。
适用场景：商业产品、研究发表、内部原型、政府/国防等不同用途的许可证选择；按语域（现代书面、口语、学术、宗教、议会、希英混合）匹配数据。
限制：许可证会变化，须以 HuggingFace 数据集卡为准；未声明或未命名许可证视为保留所有权利；CulturaX、OSCAR 等网页语料不授予抓取页面权利；希伯来语需注意 niqqud、sofit 形式、geresh/gershayim、maqaf 及子词切分等清洗问题。部分资源（如 TTS、Yiddish）数据仍稀缺。