Vos données sont lues et écrites sur cet appareil. Rien n'est envoyé. Transformez un tableur de questions et de réponses en fichier d'entraînement JSONL, ou vérifiez qu'un fichier JSONL existant est valide avant de l'utiliser. C'est gratuit et privé.
Comment créer un jeu de données
- Ouvrez l'onglet Créer un jeu de données et choisissez le format : Chat ou Complétion.
- Appuyez sur Ouvrir un CSV ou collez dans Texte CSV. Essayer un exemple charge des lignes d'exemple.
- Cochez La première ligne est un en-tête, puis choisissez la colonne Prompt, la colonne Réponse et, si vous en avez une, la colonne Système.
- Ajoutez d'autres lignes avec Ajouter un exemple si vous voulez.
- Regardez les nombres d'exemples, de tokens estimés, d'erreurs et d'avertissements.
- Appuyez sur Copier ou Télécharger le .jsonl.
Comment vérifier un fichier JSONL
- Ouvrez l'onglet Vérifier un fichier JSONL.
- Appuyez sur Ouvrir un .jsonl ou collez dans Texte JSONL.
- Réglez le Format attendu, ou choisissez Le déduire du fichier.
- Lisez le nombre d'enregistrements et combien sont sans erreur.
- Appuyez sur Télécharger le rapport CSV pour la liste complète des problèmes.
Formats chat et complétion
Les jeux de données de chat ont un objet JSON par ligne avec une liste messages : un message système facultatif, puis des tours user et assistant, se terminant par la réponse que le modèle doit apprendre. Les jeux de données de complétion ont un prompt et une completion sur chaque ligne. La plupart des services de fine-tuning actuels attendent le format chat ; certains outils d'évaluation et services plus anciens utilisent prompt et completion.
Ce que le vérificateur recherche
Lignes qui ne sont pas du JSON valide, lignes qui ne sont pas un seul objet, messages manquants ou vides, rôles inconnus, contenu vide, exemples sans réponse de l'assistant, messages système au milieu, même rôle deux fois de suite, messages d'outil sans tool_call_id, formats mélangés, lignes en double et lignes vides. Les erreurs font en général échouer un envoi ; les avertissements méritent un coup d'œil mais peuvent être sans conséquence.
Conseils pour un bon jeu de données
- Rédigez les réponses exactement dans le style que le modèle doit copier.
- Gardez les exemples cohérents. Des styles mélangés enseignent un comportement mélangé.
- Retirez les doublons et les erreurs avant de créer le fichier.
- Gardez de côté un jeu d'exemples distinct pour tester ensuite.
- N'incluez jamais de données privées que vous ne voudriez pas voir apparaître dans une réponse.
Qui l'utilise
Développeurs et petites équipes qui préparent des exemples d'entraînement, analystes qui convertissent un tableur en JSONL, et freelances qui livrent des données à un client. Pour estimer le coût, essayez l'estimateur de coût IA, et pour tester les réponses utilisez la vérification de schéma de réponse IA.
Questions
À quoi doit ressembler mon CSV ?
Un exemple par ligne, avec une colonne pour le prompt et une pour la réponse, et éventuellement une colonne pour un message système. Les colonnes nommées prompt, question ou input et completion, answer ou output sont repérées automatiquement ; vous pouvez changer le choix dans les listes.
De combien d'exemples ai-je besoin ?
Les fournisseurs en demandent généralement au moins dix, et les résultats s'améliorent d'ordinaire avec cinquante à quelques centaines d'exemples clairs et cohérents. La qualité compte plus que la quantité.
Les nombres de tokens sont-ils exacts ?
Non, ce sont des estimations à environ quatre caractères par token plus quelques tokens par message, ce qui suffit pour juger du coût et repérer les exemples beaucoup trop longs.
Peut-il vérifier un très gros fichier ?
Oui. Les fichiers de dizaines de milliers de lignes sont vérifiés en un instant. Le rapport liste les 1 000 premiers problèmes à l'écran et tous les problèmes dans le CSV.