Adaption Labsが「データ作成AI」を発表

今週、Adaption LabsはInvent a Datasetをリリースしました。この機能は、モデルに学習させたい振る舞いの説明から、構造化された、すぐにトレーニングに使えるデータセットを生成します。ユーザーは、元のデータセット（seed corpus）、事前に定義されたschema、またはlabeling guideを用意する必要はありません。展開可能か？はい、ただし1つの注意点があります。Invent a Datasetは現在、Adaption app、Python SDK、およびREST APIを通じて利用可能です。生成された行はJSONL、JSON、CSV、またはParquetとしてダウンロードされるため、成果物はユーザーが所有し、どこでもトレーニングできるポータブルなファイルです。生成自体はAdaptionのhosted platform上で実行され、クレジットを消費します。自己ホスト型の生成パスは文書化されていません。<br>ターゲットとしている問題のほとんどのdataset workflowは、既存のデータから始まります。チームはその後、ターゲットタスクに近づけるために、そのデータのlabeling、filtering、およびreshapingに数週間を費やします。Adaptionの主張は、これによりモデルの品質が、利用可能なデータが意図された振る舞いにどれだけ一致しているかによって制限されるというものです。独自の専門的なタスクの場合、関連するsignalは通常、内部システム、unstructured text、またはworkflow logに存在します。これらが集中的なtraining setにきれいに変換されることはめったにありません。研究チームはまた、既存のsynthetic-data toolingに対しても一線を画しています。これらのツールは、人間がすでにschema、task distribution、およびgeneration strategyを定義した後に生成を自動化します。Invent a Datasetは、その1つ前のレベル、つまり振る舞い自体から開始します。<br>APIの仕組みは文書化されており、具体的です。datasets.inventへの単一の呼び出しでdatasetが作成され、生成が開始され、すぐにstatus runningで返されます。その後、statusがsucceededまたはfailedになるまでdatasets.getをポーリングし、行をダウンロードします。Domain codesが主要な制御です。コードをハードコーディングするのではなく、datasets.invent_domainsで現在のコードを取得します。その後、medicalのような値を渡し、オプションでmedical.symptoms_diagnosisのような修飾されたsubdomain codesで絞り込みます。少なくとも1つのdomainまたはsubdomainが必要です。複数のdomainが同じ