Adaption Labs запустила Invent a Dataset: генератор датасетов из описания поведения модели

Adaption Labs выпустила Invent a Dataset — функцию, которая генерирует структурированный тренировочный датасет из описания желаемого поведения модели. Пользователю не нужен исходный корпус, предопределённая схема или руководство по разметке: достаточно описать, что должна делать модель, и система сама создаёт примеры.

Проблема, которую решает инструмент: традиционные пайплайны данных начинаются с существующего набора, который затем размечают и фильтруют под задачу. Adaption Labs утверждает, что это ограничивает качество модели тем, насколько исходные данные соответствуют целевой задаче. Для проприетарных и специализированных сценариев релевантный сигнал часто находится во внутренних системах, неструктурированном тексте или логах, и его сложно превратить в сфокусированный датасет. Invent a Dataset работает на уровень выше — на уровне описания поведения.

API работает так: один вызов datasets.invent запускает генерацию и возвращает статус running. Затем вы опрашиваете datasets.get до получения succeeded или failed и скачиваете строки. Основной элемент управления — коды доменов (например, medical, medical.symptoms_diagnosis). Поддерживаются два формата: instruction_dataset (пары промпт-ответ для SFT) и preference_pairs (выбранные и отклонённые ответы для DPO). Параметры: estimate=True для оценки стоимости без списания, prompt до 10 000 символов, idempotency_key для безопасных повторных запросов.

Сгенерированные строки скачиваются в JSONL, JSON, CSV или Parquet — это портативные файлы, которыми можно обучать модель где угодно. Генерация выполняется на платформе Adaption и расходует кредиты. Самостоятельный запуск генерации не предусмотрен. Количество строк ограничено тарифным планом. Invent a Dataset уже доступен в приложении Adaption, Python SDK и REST API.