Générations
Chaque jeu de données peut avoir une ou plusieurs générations. Chaque génération produit un fichier Parquet. Définissez le nombre de lignes pour chaque génération.
Une génération peut combiner plusieurs types de données d'entraînement dans un fichier Parquet. Les types pris en charge comprennent les appels d'outils, les questions à choix multiples et les paires question-réponse.
Si un fichier Parquet contient plusieurs types de données d'entraînement, il contient une colonne pipeline. Cette colonne identifie le pipeline qui a produit chaque ligne.
Utilisez l'onglet Data Preview dans l'interface pour inspecter les données générées :
Paramètres requis
Définissez ces options pour chaque génération :
- Types de données d'entraînement : sélectionnez un ou plusieurs types de données d'entraînement.
- Langue : sélectionnez une ou plusieurs langues pour les données générées.
- Nombre de lignes cible : définissez le nombre de lignes du fichier Parquet de sortie.
Langues
SYNTH prend en charge les codes de langue suivants :
EN, FR, DE, ES, IT, NL, PT, SV, DA, EL, CS, HU, RO, BG
SR, HE, JA, KO, ZH, HI, UR, ID, TL, TH, VI, MS, FA, AR
RU, UK, TR, SW, PL, FI, GA, HR, SK, SL, LT, LV, ET, MT
Si vous sélectionnez plusieurs langues, définissez une distribution linguistique. La distribution définit un poids relatif pour chaque langue sélectionnée.
Types de données d'entraînement
Vous pouvez sélectionner un ou plusieurs types de données d'entraînement pour une génération. Chaque type peut avoir une configuration supplémentaire. Si vous sélectionnez plusieurs types, définissez une distribution des types de données d'entraînement. La distribution définit un poids relatif pour chaque type sélectionné.
Les types de données d'entraînement disponibles sont Q&A, QCM, appels d'outils, banc d'essai de production, multi-étapes et mathématiques.
Q&A
Le type Q&A génère des paires question-réponse. Une génération de type Q&A ne demande aucun paramètre supplémentaire.
QCM
Les QCM génèrent des questions à choix multiples. Définissez l'option suivante quand vous ajoutez des QCM :
- Domaines : sélectionnez au moins un domaine.
Appels d'outils
Les appels d'outils génèrent des exemples où un modèle sélectionne et appelle des fonctions. Définissez toutes les options suivantes quand vous ajoutez des appels d'outils :
- Distribution des résultats : définissez le poids relatif des appels positifs, négatifs et avec paramètres manquants.
- Structure des appels : définissez le poids relatif des exemples avec un appel et plusieurs appels.
- Fonctions disponibles : définissez le nombre de fonctions disponibles pour le modèle. Vous pouvez choisir une valeur de 1 à 25.
- Types de requêtes : sélectionnez les types de requêtes d'appel d'outils inclus dans la génération.
- Distribution des types de requêtes : définissez un poids relatif pour chaque type de requête sélectionné.
- Style de réponse : définissez le poids relatif des réponses concises et détaillées.
- Ordre des fonctions : choisissez si SYNTH mélange l'ordre des fonctions disponibles dans chaque exemple.
- Raisonnement : choisissez si les exemples d'appel d'outils incluent un raisonnement.