Kiln

Alat Prototipe dan Dataset AI Rapid

Tuning Fine • Pembuatan Data Sintetis • Kolaborasi Dataset • Dokumen

Ci
Kemasan
Meta
Aplikasi

Fitur utama

• Aplikasi Desktop Intuitif : Aplikasi Satu-Klik untuk Windows, MacOS, dan Linux. Desain yang benar -benar intuitif.
• ? ️ Fine Tuning : Fine-tuning nol-kode untuk llama, gpt4o, dan mixtral. Penyebaran model tanpa server otomatis.
• ? Pembuatan Data Sintetis : Menghasilkan data pelatihan dengan alat visual interaktif kami.
• ? Kolaborasi Tim : Kontrol Versi Berbasis GIT untuk set data AI Anda. UI intuitif memudahkan untuk berkolaborasi dengan ahli QA, PM, dan materi pelajaran tentang data terstruktur (contoh, petunjuk, peringkat, umpan balik, masalah, dll.).
• Generasi Prompt : Secara otomatis menghasilkan petunjuk dari data Anda, termasuk rantai, beberapa shot, dan multi-shot, dan banyak lagi.
• Dukungan Model dan Penyedia Luas : Gunakan model apa pun melalui Ollama, OpenAi, OpenRouter, Fireworks, Groq, AWS, atau API yang kompatibel Openai.
• ? ‍ Perpustakaan Sumber Terbuka dan API : Perpustakaan Python kami dan OpenAPI REST API ADALAH MIT Open Source.
• Privasi-pertama : Kami tidak dapat melihat data Anda. Bawa kunci API Anda sendiri atau jalankan secara lokal dengan Ollama.
• ? ️ Data terstruktur : Bangun tugas AI yang berbicara JSON.
• ? GRATIS : Aplikasi kami gratis, dan perpustakaan kami adalah open-source.

Unduh Aplikasi Kiln Desktop

Aplikasi Desktop Kiln benar -benar gratis. Tersedia di MacOS, Windows dan Linux.

Demo

Dalam demo ini, saya membuat 9 model yang disesuaikan (termasuk LLAMA 3.X, Mixtral, dan GPT-4O-Mini) hanya dalam 18 menit, mencapai hasil hebat dengan biaya total kurang dari $ 6. Lihat detailnya.

Docs & Guides

Kiln cukup intuitif, jadi kami sarankan meluncurkan aplikasi desktop dan menyelam. Namun jika Anda memiliki pertanyaan atau ingin mempelajari lebih lanjut, dokumen kami ada di sini untuk membantu.

• Awal yang cepat
• Cara menggunakan model atau penyedia AI apa pun dalam kiln
• Model LLM fine tuning
• Panduan: Latih model penalaran
• Penalaran & rantai pemikiran
• Pembuatan data sintetis
• Berkolaborasi dengan Kiln
• Data peringkat dan pelabelan
• Gaya cepat
• Struktur data / json
• Pengorganisasian kumpulan kumpulan kiln (tag dan filter)
• Model data kami
• Memperbaiki tanggapan
• Pintasan keyboard
• Tinjauan Privasi: Pribadi dengan Desain

Untuk pengembang, lihat dokumen Perpustakaan Kiln Python kami. Ini termasuk cara memuat kumpulan data ke dalam kiln, atau menggunakan kumpulan kumpulan kiln di basis kode/notebook Anda sendiri.

Instal Perpustakaan Python

Perpustakaan Python open-source kami memungkinkan Anda untuk mengintegrasikan kumpulan data kiln ke dalam alur kerja Anda sendiri, membangun lagu yang bagus, menggunakan kiln dalam buku catatan, membangun alat khusus, dan banyak lagi! Baca dokumen untuk contoh.

pip install kiln-ai

Pelajari lebih lanjut

Prototipe cepat

Ada model dan teknik baru yang muncul sepanjang waktu. Kiln memudahkan untuk mencoba berbagai pendekatan dan membandingkannya dalam beberapa klik tanpa menulis kode. Ini dapat menghasilkan kualitas yang lebih tinggi dan peningkatan kinerja.

Kami saat ini mendukung:

• Berbagai teknik yang diminta: BASIC, beberapa-shot, multi-shot, perbaikan & umpan balik
• Rantai pemikiran / pemikiran, dengan instruksi "pemikiran" khusus opsional
• Banyak model: GPT, Llama, Claude, Gemini, Mistral, Gemma, Phi
• Tuning fine: Buat model khusus menggunakan dataset kiln Anda

Di masa depan, kami berencana untuk menambahkan opsi no-code yang lebih kuat seperti Eval, dan Rag. Untuk ilmuwan data yang berpengalaman, Anda dapat membuat teknik ini hari ini menggunakan kumpulan kumpulan kiln dan perpustakaan Python kami.

Berkolaborasi lintas tim teknis dan non-teknis

Saat membangun produk AI, biasanya ada ahli materi pelajaran yang mengetahui masalah yang ingin Anda selesaikan, dan tim teknis yang berbeda yang ditugaskan untuk membangun model. Kiln menjembatani kesenjangan itu sebagai alat kolaborasi.

Pakar materi pelajaran dapat menggunakan aplikasi desktop intuitif kami untuk menghasilkan kumpulan data dan peringkat terstruktur, tanpa pengkodean atau menggunakan alat teknis. Tidak diperlukan baris perintah atau GPU.

Para ilmuwan data dapat mengkonsumsi dataset yang dibuat oleh para ahli materi pelajaran, menggunakan UI, atau menyelam dalam dengan pustaka Python kami.

QA dan PM dapat dengan mudah mengidentifikasi masalah lebih cepat dan membantu menghasilkan konten dataset yang diperlukan untuk memperbaiki masalah di lapisan model.

Format file dataset dirancang untuk digunakan dengan GIT untuk kolaborasi dan atribusi yang kuat. Banyak orang dapat berkontribusi secara paralel; Tabrakan dihindari menggunakan UUIDS, dan atribusi ditangkap di dalam file dataset. Anda bahkan dapat berbagi dataset pada drive bersama, membiarkan anggota tim yang sepenuhnya non-teknis menyumbangkan data dan eval tanpa mengetahui git.

Bangun Produk AI Berkualitas Tinggi Dengan Dataset

Produk tidak secara alami memiliki "dataset", tetapi Kiln membantu Anda membuatnya. Setiap kali Anda menggunakan kiln, kami menangkap input, output, peringkat manusia, umpan balik, dan perbaikan yang diperlukan untuk membangun model berkualitas tinggi untuk digunakan dalam produk Anda. Semakin banyak Anda menggunakannya, semakin banyak data yang Anda miliki.

Kualitas model Anda meningkat secara otomatis saat dataset tumbuh, dengan memberikan model lebih banyak contoh konten kualitas (dan kesalahan).

Jika tujuan produk Anda bergeser atau bug baru ditemukan (seperti yang hampir selalu terjadi), Anda dapat dengan mudah mengulangi dataset untuk mengatasi masalah.

Berkontribusi & pengembangan

Lihat Kontribusi.MD untuk informasi tentang cara mengatur lingkungan pengembangan dan berkontribusi pada kiln.

Lisensi & merek dagang

• Perpustakaan Python: Lisensi MIT
• Python Rest Server/API: Lisensi MIT
• Aplikasi Desktop: Gratis untuk diunduh dan digunakan di bawah EULA kami, dan tersedia. Lisensi
• Nama dan logo kiln adalah merek dagang dari Chesterfield Laboratories Inc.

Hak Cipta 2024 - Chesterfield Laboratories Inc.