Preparar y subir datasets de entrenamiento

Los trabajos de entrenamiento hacen referencia a datasets listos por su nombre. Prepara un archivo JSONL, súbelo mediante la API de datasets en dos pasos y confirma que la versión procesada existe antes de llamar a POST /v1/training/jobs.

Elegir un formato de dataset

Cada línea del archivo debe ser un objeto JSON. Usa una misma estructura en todo el dataset.

Reconocimiento de entidades nombradas

Usa text junto con una lista entities de pares [span, label]. Cada span debe aparecer en el texto, pero la coincidencia no distingue mayúsculas de minúsculas: "ada lovelace" es válido para "Ada Lovelace". Incluye ejemplos negativos con una lista vacía.

{"text":"Ada Lovelace worked in London.","entities":[["Ada Lovelace","PERSON"],["London","LOCATION"]]}
{"text":"No tagged entities here.","entities":[]}

Clasificación

Usa label para datos de una sola etiqueta o labels para datos multietiqueta. Usa el mismo campo en cada fila.

{"text":"The setup was straightforward.","label":"positive"}
{"text":"The request needs technical help.","label":"technical"}

Formato de la biblioteca GLiNER2

Las cargas de NER y clasificación también aceptan el formato canónico input y output de GLiNER2. Para NER, asigna cada etiqueta de entidad a sus spans:

{"input":"Ada Lovelace worked in London.","output":{"entities":{"PERSON":["Ada Lovelace"],"LOCATION":["London"]}}}
{"input":"No tagged entities here.","output":{"entities":{"PERSON":[],"LOCATION":[]}}}

Para clasificación, classifications puede contener una o varias tareas por fila:

{"input":"jump now","output":{"classifications":[{"task":"action","labels":["jump","wait"],"true_label":["jump"]},{"task":"urgency","labels":["now","later"],"true_label":["now"]}]}}

Usa una sola estructura por fila. No mezcles text, label, labels o entities con los campos input y output en la misma fila.

NER y clasificación conjuntos

Una fila puede contener tanto entities como label para entrenar ambas cabezas. Mantén esa misma estructura conjunta en todas las filas y no mezcles label de etiqueta única con labels multietiqueta.

{"text":"Ada Lovelace worked in London.","entities":[["Ada Lovelace","PERSON"],["London","LOCATION"]],"label":"biography"}
{"text":"No tagged entities here.","entities":[],"label":"other"}

Decodificador

Establece dataset_type en decoder y da a cada fila un array messages con roles y contenido de chat.

{"messages":[{"role":"user","content":"What is 2+2?"},{"role":"assistant","content":"4"}]}

El servicio de datasets acepta datasets de decodificador para flujos de trabajo del agente de fine-tuning y de almacenamiento. Los trabajos de configuración rechazan los modelos base decodificadores, así que no trates dataset_type: decoder como una ruta directa para entrenar un decodificador mediante un trabajo de configuración. Los trabajos interactivos no aceptan un nombre de dataset; lee y tokeniza los ejemplos en tu aplicación y envía datums tokenizados como se muestra en la guía rápida del decodificador.

Subir un dataset

1. Reservar una URL de subida

curl --fail-with-body -sS https://api.fastino.ai/v1/datasets/upload/url \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "dataset_name": "docs-example-ner",
    "filename": "training.jsonl",
    "dataset_type": "ner"
  }' | tee dataset-upload.json

export PRESIGNED_URL="$(jq -r '.presigned_url' dataset-upload.json)"
export DATASET_ID="$(jq -r '.dataset_id' dataset-upload.json)"
export DATASET_VERSION="$(jq -r '.version_number' dataset-upload.json)"

La respuesta contiene una presigned_url de corta duración, un dataset_id y un version_number. Los comandos anteriores conservan los tres valores. Sube los bytes exactos del archivo a la URL prefirmada:

curl --fail-with-body -X PUT \
  -H "Content-Type: application/octet-stream" \
  --upload-file training.jsonl "$PRESIGNED_URL"

2. Procesar el archivo subido

curl --fail-with-body -sS https://api.fastino.ai/v1/datasets/upload/process \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d "$(jq -n --arg dataset_id "$DATASET_ID" '{dataset_id: $dataset_id}')"

El procesamiento devuelve 202. Consulta el dataset por su nombre y selecciona la entrada cuyo version_number coincida exactamente con la respuesta de la subida. Continúa hasta que el status de esa versión sea ready o failed. Si es failed, detente y muestra su processing_error; no uses esa versión para entrenar.

curl --fail-with-body -sS https://api.fastino.ai/v1/datasets/docs-example-ner \
  -H "X-API-Key: $FASTINO_API_KEY"

Iniciar el entrenamiento

Pasa el nombre exacto del dataset al endpoint de creación de trabajos de entrenamiento:

{
  "model_name": "my-ner-model",
  "base_model": "fastino/gliner2-base-v1",
  "datasets": [
    {"name": "docs-example-ner", "version": "VERSION_NUMBER_FROM_UPLOAD"}
  ],
  "training_type": "lora"
}

Usa GET /v1/base-models?supports_training=true justo antes del envío para seleccionar un modelo base que se pueda entrenar actualmente.

Bloqueos comunes

Estado	Causa	Acción
`401`	API key ausente o no válida	Envía `X-API-Key: $FASTINO_API_KEY`
`404`	El nombre del dataset no existe	Confirma el nombre exacto y espera a que termine el procesamiento
`failed`	Falló la validación asíncrona del contenido	Lee `processing_error`, corrige el JSONL y sube una versión nueva
`422`	La estructura de la solicitud se rechazó antes del procesamiento	Corrige los campos de la solicitud antes de reintentar

Empezar

Modelos de decisión

API de entrenamiento

Modelos GLiNER

API de inferencia

Solución de problemas

Modelos

Cuenta

Preparar y subir datasets de entrenamiento

Elegir un formato de dataset

Reconocimiento de entidades nombradas

Clasificación

Formato de la biblioteca GLiNER2

NER y clasificación conjuntos

Decodificador

Subir un dataset

1. Reservar una URL de subida

2. Procesar el archivo subido

Iniciar el entrenamiento

Bloqueos comunes

Contratos de la API de datasets

URL de carga

Procesar carga

Listar datasets

Versiones del dataset

Eliminar dataset

​Elegir un formato de dataset

​Reconocimiento de entidades nombradas

​Clasificación

​Formato de la biblioteca GLiNER2

​NER y clasificación conjuntos

​Decodificador

​Subir un dataset

​1. Reservar una URL de subida

​2. Procesar el archivo subido

​Iniciar el entrenamiento

​Bloqueos comunes

​Contratos de la API de datasets

URL de carga

Procesar carga

Listar datasets

Versiones del dataset

Eliminar dataset

Elegir un formato de dataset

Reconocimiento de entidades nombradas

Clasificación

Formato de la biblioteca GLiNER2

NER y clasificación conjuntos

Decodificador

Subir un dataset

1. Reservar una URL de subida

2. Procesar el archivo subido

Iniciar el entrenamiento

Bloqueos comunes

Contratos de la API de datasets