Seus dados são lidos e gravados neste dispositivo. Nada é enviado. Transforme uma planilha de perguntas e respostas em um arquivo de treinamento JSONL ou confira se um arquivo JSONL existente é válido antes de usá-lo. É grátis e privado.
Como montar um conjunto de dados
- Abra a aba Criar um dataset e escolha o formato: Chat ou Completion.
- Toque em Abrir CSV ou cole em Texto CSV. Experimente um exemplo carrega linhas de amostra.
- Marque A primeira linha é um cabeçalho e escolha a coluna de Prompt, a coluna de Resposta e, se tiver, a coluna de Sistema.
- Adicione mais linhas com Adicionar exemplo se quiser.
- Confira as contagens de exemplos, tokens estimados, erros e avisos.
- Toque em Copiar ou Baixar .jsonl.
Como conferir um arquivo JSONL
- Abra a aba Conferir um arquivo JSONL.
- Toque em Abrir .jsonl ou cole em Texto JSONL.
- Defina o Formato esperado ou escolha Descobrir pelo arquivo.
- Veja quantos registros há e quantos estão sem erros.
- Toque em Baixar relatório CSV para ver a lista completa de problemas.
Formatos chat e completion
Os conjuntos de chat têm um objeto JSON por linha com uma lista messages: uma mensagem de sistema opcional e depois turnos de user e assistant, terminando com a resposta que você quer que o modelo aprenda. Os conjuntos de completion têm um prompt e uma completion em cada linha. A maioria dos serviços atuais de fine-tuning espera o formato de chat; algumas ferramentas de avaliação e serviços mais antigos usam prompt e completion.
O que o verificador procura
Linhas que não são JSON válido, linhas que não são um objeto, mensagens ausentes ou vazias, papéis desconhecidos, conteúdo vazio, exemplos sem resposta do assistant, mensagens de sistema no meio, o mesmo papel duas vezes seguidas, mensagens de tool sem tool_call_id, formatos misturados, linhas duplicadas e linhas em branco. Os erros costumam fazer o envio falhar; os avisos merecem uma olhada, mas podem estar certos.
Dicas para um bom conjunto de dados
- Faça as respostas exatamente no estilo que você quer que o modelo copie.
- Mantenha os exemplos consistentes. Estilos misturados ensinam comportamentos misturados.
- Remova duplicatas e erros antes de montar o arquivo.
- Guarde à parte um conjunto de exemplos para testar depois.
- Nunca inclua dados privados que você não gostaria de ver em uma resposta.
Quem usa
Desenvolvedores e equipes pequenas que preparam exemplos de treinamento, analistas que convertem uma planilha em JSONL e freelancers que entregam dados para um cliente. Para estimar custos, experimente o estimador de custos de IA e, para testar respostas, a verificação de schema de respostas de IA.
Perguntas
Como deve ser meu CSV?
Um exemplo por linha, com uma coluna para o prompt e outra para a resposta e, opcionalmente, uma coluna para uma mensagem de sistema. Colunas chamadas prompt, question ou input e completion, answer ou output são detectadas automaticamente; você pode mudar a escolha nas listas.
De quantos exemplos preciso?
Os provedores costumam pedir pelo menos dez, e os resultados tendem a melhorar com de cinquenta a algumas centenas de exemplos claros e consistentes. A qualidade importa mais que a quantidade.
As contagens de tokens são exatas?
Não, são estimativas de cerca de quatro caracteres por token mais alguns tokens por mensagem, o que é próximo o bastante para avaliar o custo e identificar exemplos longos demais.
Ele consegue verificar um arquivo muito grande?
Sim. Arquivos com dezenas de milhares de linhas são verificados num instante. O relatório lista os primeiros 1.000 problemas na tela e todos os problemas no CSV.