Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Construiré un conjunto de datos SFT específico de dominio para ajuste fino de LLM
Datos para ajuste fino de LLM y automatización de IA
Soy ingeniero de IA con formación en ciencias de la computación, especializado en datos de fine-tuning de LLM y sistemas de automatización de IA. Creo conjuntos de datos SFT listos para producción, pi...
Acerca de este Servicio
El ajuste fino de un modelo de lenguaje comienza con los datos. Respuestas vagas, muestras duplicadas o formatos incorrectos dañarán tu modelo independientemente de lo bueno que sea tu setup de entrenamiento.
Construyo conjuntos de datos SFT específicos de dominio mediante una tubería de 5 etapas: generación, validación, deduplicación, puntuación con LLM como juez y revisión de calidad humana. Cada muestra que llega a tu ciclo de entrenamiento ha pasado por las cinco etapas.
LO QUE RECIBES
- train.jsonl + val.jsonl (división 90/10)
- data_card.md (documentación del conjunto de datos)
FORMATOS
- Alpaca de una sola ronda, todos los paquetes
- ShareGPT de múltiples rondas, Estándar y Premium
COMPATIBLE CON
- Axolotl, LLaMA-Factory, Unsloth, API de Fine-tune de OpenAI, Together AI
DOMINIOS
E-commerce, preguntas y respuestas en salud, resumen legal, asistente de codificación, soporte SaaS, finanzas, recursos humanos, EdTech, soporte multilingüe y más. Envíame un mensaje si el tuyo no está en la lista.
¿No estás seguro de qué paquete se ajusta a tu caso de uso? Envíame un mensaje antes de ordenar.
Lenguaje de programación:
Python
•
Pytorch
Marcos y herramientas de modelos de IA:
Tipo de datos:
Texto
Motor de IA:
GPT
•
Gemini
•
DeepSeek
•
Llama
•
Grok
Mi porfolio
FAQ
Traducción automática
¿Se garantiza la calidad de los datos?
Cada muestra pasa por una tubería de 5 etapas: generación, validación, deduplicación, puntuación con LLM como juez y revisión de calidad humana. Las muestras vagas, inconsistentes o fuera de tema se filtran o provocan una reejecución. Lo que recibes ha pasado por las cinco etapas.
¿Es estos datos sintéticos?
Sí, generados por un LLM de última generación. Esto es una práctica estándar para la construcción de conjuntos de datos SFT y funciona bien para la mayoría de los casos de uso de ajuste fino. Los casos límite del mundo real pueden beneficiarse de ejemplos adicionales escritos por humanos.
¿Cuál es la diferencia entre Alpaca y ShareGPT?
Alpaca es de una sola ronda: una instrucción, una respuesta. ShareGPT es conversacional de múltiples rondas. Usa Alpaca para tareas o preguntas y respuestas. Usa ShareGPT para ajuste fino de chatbot o asistente donde importa el contexto.
¿Puedes manejar dominios nicho o raros?
Sí. He trabajado con dominios como soporte en salud mental, finanzas islámicas, asistencia legal en vietnamita y SaaS técnico B2B. Si tu dominio no está en la lista, envíame un mensaje, la mayoría son factibles.
¿Qué frameworks de ajuste fino soporta esto?
Axolotl, LLaMA-Factory, Unsloth, API de Fine-tune de OpenAI y Together AI. Tanto Alpaca como ShareGPT están listos para producción en todos estos frameworks desde el inicio.
¿Qué incluye la data card?
Dominio, cantidad de muestras, división train/val, formato, tokens promedio por muestra, método de deduplicación y uso previsto. Documentación estándar para conjuntos de datos ML de producción.
¿Qué debo proporcionar para comenzar?
Fiverr te guiará en todo cuando hagas tu pedido. Solo algunos detalles sobre tu caso de uso y preferencias, nada complicado.
