O sistema integrado de geração de dados interativos da Kiln resolve a natureza demorada e trabalhosa da anotação tradicional de dados por meio de sua interface de edição visual. Esse sistema permite que os usuários criem rapidamente amostras de treinamento por meio da funcionalidade gráfica de arrastar e soltar, gerando automaticamente dados estruturados (no formato JSON) que atendem aos requisitos de treinamento do modelo. Seus recursos de assistência inteligente expandem automaticamente as amostras relevantes com base nas palavras-chave inseridas pelo usuário e fornecem prompts de validação da qualidade dos dados em tempo real.
O destaque técnico desse recurso reside na integração inovadora de mecanismos de regras com tecnologia de IA generativa, garantindo tanto a precisão dos dados gerados quanto a criação de diversas amostras de treinamento por meio da expansão semântica. O fluxo de trabalho específico compreende: definição do esquema de dados → configuração das regras de geração → visualização prévia dos resultados gerados → exportação em lote do conjunto de dados. As amostras geradas incluem automaticamente anotações abrangentes para vários tipos de prompts (raciocínio encadeado/few-shot/multi-shot).
Estudos de caso práticos demonstram que a utilização desta ferramenta reduz o tempo necessário para gerar 10.000 pontos de dados de treinamento de QA no domínio financeiro de três semanas, com a anotação manual tradicional, para apenas quatro horas. Além disso, a validação automatizada garante que a qualidade dos dados atenda aos padrões profissionais de anotação. Isso permite que mesmo equipes de pequeno e médio porte construam facilmente conjuntos de dados específicos do domínio e de alta qualidade.
Essa resposta foi extraída do artigoKiln: ferramenta simples de síntese de dados e ajuste fino de modelos LLM, base de código 0 para ajustar seus próprios minimodelos!O
