فەرمان و کۆد لە هەموو زمانێکدا بە ئینگلیزی دەمێننەوە. جێگرەوە گەورەنووسەکان بە بەهای هەژمار و کاری پارەدراوی خۆت بگۆڕە؛ کلیلی ڕاستەقینە لە نۆتبووکی هاوبەش یان تۆمارەکاندا مەنووسە.
ڕاهێنان و هەڵسەنگاندن جیا بهێڵەوە
- سەرچاوەکان دەقی ڕاهێنانی پەسەندکراو
- کوالێتی پشتڕاستکردنەوە، پێداچوونەوە و دووبارەکردنەوە
- ڕاهێنان نموونە بۆ نوێکردنەوەی کێش
- پشتڕاستکردنەوە باشترکردن ڕێنمایی بکە بێ فێرکردنی وەڵام
- تاقیکردنەوەی کۆتایی قبوڵکردنی ناوخۆییی لادراو
سەرچاوەکان: دەقی ڕاهێنانی پەسەندکراو. کوالێتی: پشتڕاستکردنەوە، پێداچوونەوە و دووبارەکردنەوە. ڕاهێنان: نموونە بۆ نوێکردنەوەی کێش. پشتڕاستکردنەوە: باشترکردن ڕێنمایی بکە بێ فێرکردنی وەڵام. تاقیکردنەوەی کۆتایی: قبوڵکردنی ناوخۆییی لادراو
کۆمەڵەداتای ناوخۆی JSONL ئامادە بکە
سەرچاوەی ڕاهێنان تۆماری JSONLی خانەی text لەخۆدەگرێت. ڕیزی JSONLی هەڵسەنگاندن خانەکانی prompt، target و criterion هەیە و بە شێوەی ناوخۆ هەڵسەنگێنرێت. پەڕگەی پشتڕاستکردنەوە و تاقیکردنەوەی کۆتایی لە ڕاهێنان و داواکاریی مامۆستا جیا بمێننەوە. ئامادەکردنی کۆمەڵەداتا ڕیزەکان پشتڕاست دەکاتەوە، ئەگەر ڕێکخراو بێت دابەشەکان بێ دووبارە دەکات و fingerprint و دەرچوونەکان تۆمار دەکات.
- لە هەر هێڵێکدا یەک شتی JSON بنووسە و UTF-8 بەکاربهێنە.
- وەڵامی پشتڕاستکردنەوە یان تاقیکردنەوەی کۆتایی لە دەقی ڕاهێناندا مەخە.
- داواکاریی مامۆستا تەنها دەتوانێت نموونەی ڕاهێنانی ڕوون و پەسەندکراو لەخۆبگرێت.
from fusionpointai_training.client import DatasetManifest
# Continue with an authenticated client and an owned session.
ready = client.prepare_session(session["id"])
for item in ready["datasets"]:
manifest = DatasetManifest(
split=item["split"], sha256=item["sha256"],
bytes=item["bytes"], rows=item["rows"],
)
rows = client.download_dataset(ready["id"], manifest)
print(manifest.split, len(rows), manifest.sha256)
# Each row has a text field. Do not log private training content.
import os
from fusionpointai_training import TrainingClient
client = TrainingClient(api_key=os.environ["FUSIONPOINTAI_API_KEY"])
session = client.get_session(os.environ["FUSIONPOINTAI_SESSION_ID"])
for manifest in session["datasets"]:
print(
manifest["split"],
"rows:", manifest["rows"],
"bytes:", manifest["bytes"],
"sha256:", manifest["sha256"],
)
# These are server-provided manifest values, not a local integrity pass.
import hashlib
from pathlib import Path
dataset_path = Path("train.jsonl")
expected_bytes = int(input("Manifest bytes: "))
expected_rows = int(input("Manifest rows: "))
expected_sha256 = input("Manifest SHA-256: ").strip()
body = dataset_path.read_bytes()
actual_sha256 = hashlib.sha256(body).hexdigest()
actual_rows = sum(1 for line in body.splitlines() if line)
print("Byte count matches:", len(body) == expected_bytes)
print("Row count matches:", actual_rows == expected_rows)
print("SHA-256 matches:", actual_sha256 == expected_sha256)
# Use values copied from the session manifest; do not log dataset contents.
ڕێگری لە تێکەڵبوونی داتا بکە و زانیاریی هەستیار بپارێزە
داتای قبوڵکردنی کۆتایی لە بازنەی ڕاهێنان دەر بهێڵە. لە شوێنی پێویست زانیاریی کەسیی هەستیار بسڕەوە، مافی بەکارهێنان پشتڕاست بکەرەوە و نموونەی بەرهەمهاتوو بۆ هەڵە یان شێوازی زیانبەخش بپشکنە. دووبارەکردنەوەی ڕێکخراو و fingerprintی پەڕگە یارمەتی دۆزینەوەی تێکەڵبوون و پاراستنی یەکپارچەیی دەدەن؛ بەڵام ڕاستی نایسەلمێنن و جێگەی پێداچوونەوەی تایبەتمەندی ناگرنەوە.
- digestی پەڕگە یەکپارچەیی دەسەلمێنێت، نەک ڕاستی یان کوالێتیی کۆمەڵەداتا.
- تۆماری ڕاستەقینەی کڕیار لە نموونەی نۆتبووکی هاوبەشدا بەکارمەهێنە.
- سەرچاوە، مۆڵەت، بابەت و مێژووی گۆڕانکاری بۆ دووبارەبەرهەمهێنان تۆمار بکە.
دابەشکردن و هاوبەشکردنی مامۆستا بە ڕوونی دیاری بکە
پڕۆژە پەڕگەی ناوخۆیی ڕاهێنان و هەڵسەنگاندن پشتڕاست دەکاتەوە، دووبارەکردنەوەی ڕێکخراو جێبەجێ دەکات، fingerprintی داتا تۆمار دەکات و دابەشی تاقیکردنەوەی کۆتایی لە باشترکردن دەر دەهێڵێت. کاتێک teacher_sharing لەسەر approved_onlyە، تەنها دەقی ڕاهێنانی پەسەندکراو بۆ مامۆستای ڕێگەپێدراو دەنێردرێت؛ لەگەڵ none، نموونەی کڕیار لە ناوخۆ دەمێنێتەوە.
- نموونەی ساختەی مامۆستا وەک دەقی ڕاهێنان هەڵدەگیرێت، نەک وەڵامی هەڵسەنگاندن.
- ڕێڕەوی تاقیکردنەوەی کۆتایی دەبێت لەگەڵ rubric.final_test.path بگونجێت.
- وەشان و fingerprintی کۆمەڵەداتا لە سەرچاوەی ڕاکردندا تۆمار دەکرێن.