POST /v1/training/jobs 之前确认已处理的版本存在。
选择数据集格式
文件中的每一行都必须是一个 JSON 对象。同一数据集中请始终使用一致的结构。命名实体识别
使用text 加上由 [span, label] 对组成的 entities 列表。每个 span 都必须出现在文本中,但匹配不区分大小写:对于 "Ada Lovelace","ada lovelace" 是有效值。请使用空列表来包含负样本。
分类
单标签数据使用label,多标签数据使用 labels。每一行必须使用相同的字段。
GLiNER2 库格式
NER 和分类上传也接受 GLiNER2 的规范input 和 output 结构。对于 NER,
请将每个实体标签映射到匹配的 span:
classifications 可以包含一个或多个任务:
text、label、labels 或
entities 与 input 和 output 字段。
联合 NER 与分类
一行可以同时包含entities 和 label,以训练两个输出头。每一行都应保持相同的联合结构,并且不要混用单标签 label 与多标签 labels。
解码器
将dataset_type 设为 decoder,并让每一行都包含带聊天 role 和 content 的 messages 数组。
数据集服务接受用于微调代理和存储工作流的解码器数据集。配置任务会拒绝解码器基础模型,因此不要将
dataset_type: decoder 视为直接通过配置任务训练解码器的路径。交互式任务不接受数据集名称;请在应用中读取示例并进行分词,然后按照解码器快速入门发送已分词的 datums。上传数据集
1. 预留上传 URL
presigned_url、一个 dataset_id 和一个 version_number。
上述命令会保留这三个值。将文件的原始字节上传到预签名 URL:
2. 处理已上传的文件
202。按名称轮询数据集,并选择 version_number 与上传响应完全一致的条目。
持续轮询,直到该版本的 status 变为 ready 或 failed。如果状态为 failed,
请停止轮询并显示其 processing_error;不要将该版本提交给训练。
开始训练
将确切的数据集名称传递给训练任务创建端点:GET /v1/base-models?supports_training=true,以选择当前可训练的基础模型。

