Kiln
v0.10.0
Ajuste fina • Geração de dados sintéticos • Colaboração do conjunto de dados • Docs
| CI | |
| Pacote | |
| Meta | |
| Aplicativos |
O aplicativo de desktop do forno é totalmente gratuito. Disponível no macOS, Windows e Linux.
Nesta demonstração, crio 9 modelos de ajuste fino (incluindo llama 3.x, mixtral e GPT-4o-mini) em apenas 18 minutos, alcançando ótimos resultados por menos de US $ 6. Veja detalhes.
O forno é bastante intuitivo, por isso sugerimos lançar o aplicativo de desktop e mergulhar. No entanto, se você tiver alguma dúvida ou quiser aprender mais, nossos documentos estarão aqui para ajudar.
Para os desenvolvedores, consulte nossos documentos da Biblioteca do Kiln Python. Isso inclui como carregar conjuntos de dados no forno ou usar conjuntos de dados em seu próprio código de código/notebooks.
Nossa biblioteca Python de código aberto permite integrar conjuntos de dados de forno em seus próprios fluxos de trabalho, criar músicas finas, usar fornos em notebooks, criar ferramentas personalizadas e muito mais! Leia os documentos para exemplos.
pip install kiln-aiExistem novos modelos e técnicas emergindo o tempo todo. O forno facilita a tentativa de uma variedade de abordagens e compará -las em alguns cliques sem escrever código. Isso pode resultar em maior qualidade e desempenho aprimorado.
Atualmente, apoiamos:
No futuro, planejamos adicionar mais opções de código sem código mais poderosas, como Evals e Rag. Para cientistas de dados experientes, você pode criar essas técnicas hoje usando conjuntos de dados de forno e nossa biblioteca Python.
Ao construir produtos de IA, geralmente há um especialista no assunto que conhece o problema que você está tentando resolver e uma equipe técnica diferente designada para construir o modelo. O forno preenche essa lacuna como uma ferramenta de colaboração.
Os especialistas no assunto podem usar nossos aplicativos de desktop intuitivos para gerar conjuntos de dados e classificações estruturadas, sem codificar ou usar ferramentas técnicas. Nenhuma linha de comando ou GPU necessária.
Os cientistas de dados podem consumir o conjunto de dados criado por especialistas no assunto, usando a interface do usuário ou mergulho profundo na nossa biblioteca Python.
QA e PM podem identificar facilmente os problemas mais cedo e ajudar a gerar o conteúdo do conjunto de dados necessário para corrigir o problema na camada do modelo.
O formato do arquivo do conjunto de dados foi projetado para ser usado com Git para colaboração e atribuição poderosos. Muitas pessoas podem contribuir em paralelo; As colisões são evitadas usando UUIDs e a atribuição é capturada dentro dos arquivos do conjunto de dados. Você pode até compartilhar um conjunto de dados em uma unidade compartilhada, permitindo que os membros da equipe completamente não técnicos contribuam com dados e evalas sem conhecer o Git.
Os produtos não têm naturalmente "conjuntos de dados", mas o forno ajuda você a criar um. Toda vez que você usa forno, capturamos as entradas, saídas, classificações humanas, feedback e reparos necessários para criar modelos de alta qualidade para uso em seu produto. Quanto mais você o usa, mais dados você tiver.
A qualidade do seu modelo melhora automaticamente à medida que o conjunto de dados cresce, fornecendo aos modelos mais exemplos de conteúdo de qualidade (e erros).
Se a mudança de metas do seu produto ou novos bugs forem encontrados (como é quase sempre o caso), você poderá facilmente iterar o conjunto de dados para resolver os problemas.
Consulte Contribuindo.md para obter informações sobre como configurar um ambiente de desenvolvimento e contribuir para o forno.
Copyright 2024 - Chesterfield Laboratories Inc.
