Aller au contenu

Présentation

Les modèles peuvent obtenir de bons résultats sur des benchmarks généralistes, mais échouer dans des workflows spécifiques. Ils peuvent mal appeler des outils, ignorer un format requis, ou échouer sur un raisonnement propre à un domaine.

SYNTH améliore les performances des modèles en générant des données d'entraînement adaptées à une tâche et fondées sur des fichiers source, comme des PDF et des fichiers Parquet. Avec des données ciblées, un petit modèle peut atteindre un score cible sur un benchmark avec moins de tokens d'entraînement. SYNTH prend en charge les appels d'outils, les questions à choix multiples et les paires question-réponse. SYNTH prendra prochainement en charge les opérations mathématiques, le raisonnement multi-tours et les jeux de données Harness Environment.