Adaption Labs telah memperkenalkan "Invent a Dataset," sebuah fitur yang menghasilkan dataset terstruktur siap pelatihan langsung dari deskripsi tugas dalam bahasa alami tanpa memerlukan korpus benih, skema yang telah ditentukan sebelumnya, atau panduan pelabelan. Alat ini tersedia melalui aplikasi Adaption, Python SDK, dan REST API, memungkinkan pengguna mengunduh baris yang dihasilkan dalam format JSONL, JSON, CSV, atau Parquet.
- Satu panggilan ke `datasets.invent` memulai generasi asinkron, dikendalikan oleh kode domain (misalnya, medis) dan subdomain.
- Format output mencakup `instruction_dataset` untuk penyetelan halus terawasi dan `preference_pairs` untuk pelatihan berbasis preferensi seperti DPO.
- API mendukung ekspansi bahasa melalui mode `translate` atau `localize`, dengan laju sampel yang dapat dikonfigurasi antara 0.01 dan 1.
- Parameter produksi mencakup mode `estimate` untuk pemeriksaan kredit, batas prompt 10.000 karakter, dan kunci idempoten untuk percobaan ulang yang aman.
- ID dataset yang dihasilkan langsung dimasukkan ke dalam AutoScientist, yang mengoptimalkan data dan resep pelatihan secara bersamaan terhadap tujuan pengguna.
Adaption melaporkan bahwa menggunakan AutoScientist dengan alur kerja ini mengalahkan pelatihan yang dikonfigurasi secara manual rata-rata sebesar 35%, meningkatkan tingkat kemenangan dari 48% menjadi 64% di delapan sektor vertikal pada arsitektur yang ditawarkan oleh Together AI.