Twoje dane są odczytywane i zapisywane na tym urządzeniu. Nic nie jest przesyłane. Zamień arkusz z pytaniami i odpowiedziami w plik treningowy JSONL albo sprawdź, czy istniejący plik JSONL jest prawidłowy, zanim go użyjesz. Jest darmowe i prywatne.
Jak zbudować zbiór danych
- Otwórz kartę Zbuduj zbiór danych i wybierz format: Czat lub Uzupełnianie.
- Naciśnij Otwórz CSV albo wklej w Tekst CSV. Wypróbuj przykład wczytuje przykładowe wiersze.
- Zaznacz Pierwszy wiersz to nagłówek, a potem wybierz kolumnę Promptu, kolumnę Odpowiedzi i, jeśli ją masz, kolumnę Systemową.
- Dodaj więcej wierszy przez Dodaj przykład, jeśli chcesz.
- Sprawdź liczby przykładów, szacowanych tokenów, błędów i ostrzeżeń.
- Naciśnij Kopiuj lub Pobierz .jsonl.
Jak sprawdzić plik JSONL
- Otwórz kartę Sprawdź plik JSONL.
- Naciśnij Otwórz .jsonl albo wklej do Tekst JSONL.
- Ustaw Oczekiwany format albo wybierz Ustal z pliku.
- Odczytaj, ile jest rekordów i ile jest bez błędów.
- Naciśnij Pobierz raport CSV, aby dostać pełną listę problemów.
Formaty czatu i uzupełnienia
Zbiory danych czatu mają jeden obiekt JSON w wierszu z listą messages: opcjonalna wiadomość systemowa, potem tury użytkownika i asystenta, kończące się odpowiedzią, której model ma się nauczyć. Zbiory uzupełnień mają prompt i completion w każdym wierszu. Większość obecnych usług dostrajania oczekuje formatu czatu; niektóre narzędzia ewaluacyjne i starsze usługi używają promptu i uzupełnienia.
Czego szuka sprawdzanie
Wiersze, które nie są prawidłowym JSON, wiersze, które nie są jednym obiektem, brakujące lub puste wiadomości, nieznane role, pusta treść, przykłady bez odpowiedzi asystenta, wiadomości systemowe w środku, ta sama rola dwa razy pod rząd, wiadomości narzędzi bez tool_call_id, mieszane formaty, zduplikowane wiersze i puste wiersze. Błędy zwykle powodują niepowodzenie przesyłania; ostrzeżenia warto obejrzeć, ale mogą być w porządku.
Wskazówki dla dobrego zbioru danych
- Pisz odpowiedzi dokładnie w stylu, który model ma naśladować.
- Utrzymuj spójność przykładów. Mieszane style uczą mieszanego zachowania.
- Usuń duplikaty i błędy, zanim zbudujesz plik.
- Odłóż osobny zestaw przykładów, aby potem na nich testować.
- Nigdy nie dołączaj prywatnych danych, których nie chciałbyś zobaczyć w odpowiedzi.
Kto z tego korzysta
Programiści i małe zespoły przygotowujące przykłady treningowe, analitycy zamieniający arkusz w JSONL i freelancerzy dostarczający dane klientowi. Aby oszacować koszt, wypróbuj kalkulator kosztów AI, a do testowania odpowiedzi użyj sprawdzania schematu odpowiedzi AI.
Pytania
Jak powinien wyglądać mój plik CSV?
Jeden przykład na wiersz, z kolumną na prompt i kolumną na odpowiedź oraz opcjonalnie kolumną na wiadomość systemową. Kolumny nazwane prompt, question lub input oraz completion, answer lub output są wykrywane automatycznie; wybór możesz zmienić na listach.
Ile przykładów potrzebuję?
Dostawcy zwykle wymagają co najmniej dziesięciu, a wyniki zwykle się poprawiają przy pięćdziesięciu do kilkuset wyraźnych, spójnych przykładach. Jakość jest ważniejsza niż ilość.
Czy liczby tokenów są dokładne?
Nie, to oszacowania przy około czterech znakach na token plus kilka tokenów na każdą wiadomość, co wystarcza do oceny kosztu i wychwycenia przykładów, które są zdecydowanie za długie.
Czy może sprawdzić bardzo duży plik?
Tak. Pliki z dziesiątkami tysięcy linii sprawdzają się w mgnieniu oka. Raport wyświetla na ekranie pierwsze 1000 problemów, a w pliku CSV każdy problem.