Kiln: herramienta sencilla de ajuste de modelos LLM y síntesis de datos, ¡código base 0 para ajustar sus propios minimodelos!

Introducción general

Kiln es una herramienta de código abierto centrada en el ajuste fino de grandes modelos lingüísticos (LLM), la generación de datos sintéticos y la colaboración en conjuntos de datos. Proporciona una aplicación de escritorio intuitiva con soporte para sistemas Windows, MacOS y Linux que permite a los usuarios ajustar modelos como Llama, GPT4o y Mixtral con cero código y automatizar despliegues sin servidor.Kiln también soporta la generación de datos de entrenamiento a través de una herramienta de visualización interactiva y proporciona control de versiones basado en Git para facilitar el trabajo en equipo. Kiln también admite la generación de datos de entrenamiento a través de herramientas de visualización interactivas y proporciona un control de versiones basado en Git para la colaboración en equipo sobre datos estructurados. Su biblioteca Python abierta y su API REST OpenAPI facilitan a los desarrolladores la integración de los conjuntos de datos de Kiln en sus flujos de trabajo.

Lista de funciones

• Aplicaciones de escritorio intuitivas: Compatible con sistemas Windows, MacOS y Linux, se instala con un solo clic y tiene un diseño intuitivo.
• Ajuste del código cero: Admite el ajuste fino de modelos como Llama, GPT4o y Mixtral con despliegue automático sin servidor.
• Generación de datos sintéticos: Genere datos de formación mediante herramientas de visualización interactivas.
• Trabajo en equipoControl de versiones basado en Git para que los miembros del equipo colaboren en los conjuntos de datos.
• Generación de consejosGeneración automática de avisos a partir de los datos, incluidos avisos de encadenamiento, submuestreo y multimuestreo.
• Amplio apoyo a modelos y proveedoresSoporte para Ollama, OpenAI, OpenRouter, Fireworks, Groq, AWS y más.
• Bibliotecas y API de código abierto: Proporciona la biblioteca Python de código abierto del MIT y la API REST OpenAPI.
• la privacidad ante todoLos datos del usuario son completamente privados, con soporte para operación local y claves API autocontenidas.
• Soporte de datos estructuradosCreación de tareas de IA basadas en JSON.
• Uso gratuito: Las aplicaciones de escritorio son gratuitas y las bibliotecas de código abierto son abiertas.

Utilizar la ayuda

Proceso de instalación

1. Descargar la solicitudVisita la página de Kiln en GitHub y selecciona la descarga del instalador adecuado para tu sistema operativo.
2. Instalación de aplicaciones::
   • Windows (ordenador)Ejecute el archivo .exe descargado y siga el asistente de instalación para completar la instalación.
   • MacOSDescarga el archivo .dmg, ábrelo y arrastra Kiln a la carpeta Aplicaciones.
   • LinuxDescargue el archivo .tar.gz, descomprímalo y ejecute el script de instalación.

Normas de uso

1. Iniciar la aplicaciónUna vez finalizada la instalación, abra la aplicación de escritorio Kiln.
2. Ajuste del modelo::
   • Seleccione el módulo de funciones "Ajuste fino".
   • Seleccione el modelo que desea ajustar (por ejemplo, Llama, GPT4o, Mixtral).
   • Cargue datos de entrenamiento o cree un conjunto de datos utilizando la herramienta de generación de datos sintéticos de Kiln.
   • Configure los parámetros de ajuste fino y haga clic en "Iniciar ajuste fino".
   • Una vez completados los ajustes, el modelo se despliega automáticamente sin necesidad de ninguna acción adicional.
3. Generar datos sintéticos::
   • Seleccione el módulo de funciones "Generación de datos sintéticos".
   • Cree y edite datos de formación utilizando herramientas de visualización interactivas.
   • Guarde el conjunto de datos generado para su posterior ajuste.
4. Trabajo en equipo::
   • Seleccione el módulo funcional Colaboración de conjuntos de datos.
   • Utilice el control de versiones Git para gestionar conjuntos de datos y facilitar la colaboración entre los miembros del equipo.
   • Proporcione ejemplos, consejos, comentarios y otra información sobre el conjunto de datos para facilitar el trabajo conjunto de los miembros del equipo.
5. Generación de consejos::
   • Seleccione el módulo de funciones Generación de avisos.
   • Cargue el conjunto de datos y seleccione el tipo de consulta (por ejemplo, pensamiento en cadena, menos muestras, múltiples muestras).
   • Generación automática de pistas para el entrenamiento y la inferencia de modelos.
6. Integración en el flujo de trabajo::
   • Integre los conjuntos de datos y la funcionalidad de Kiln en sus propios flujos de trabajo utilizando la biblioteca Python de Kiln y la API REST OpenAPI.
   • Consulte la documentación y el código de ejemplo de Kiln para empezar a desarrollar rápidamente.

Procedimiento de funcionamiento detallado

• Ajuste del modeloDetalles sobre cómo seleccionar un modelo, cargar datos, configurar parámetros e iniciar el ajuste fino.
• Generación de datos sintéticosDetalles sobre cómo crear y editar datos utilizando herramientas de visualización.
• Trabajo en equipoDescripción detallada de cómo utilizar el control de versiones Git para gestionar conjuntos de datos y cómo proporcionar y procesar comentarios.
• Generación de consejosDetalles sobre cómo seleccionar un tipo de consulta, cargar datos y generar una consulta.
• Integración en el flujo de trabajoDetalla cómo utilizar las bibliotecas y API de Python para la integración, proporcionando ejemplos de código y escenarios de uso.