Saltar al contenido principal

Menú

Búsqueda de datos para el entrenamiento y la evaluación de IA

Idioma de la página: Español

Describe la tarea del modelo, el material que necesitas y su uso permitido. sapien1 puede ayudar a identificar posibles fuentes y definir el alcance de una muestra con criterios para decidir si seguir adelante. Describe tu proyecto a sapien1

Busca datos que encajen con la tarea que debe realizar tu sistema de IA. sapien1 te ayuda a definir qué necesitas, identificar posibles fuentes y valorar si un conjunto de datos sirve para el entrenamiento, la evaluación o la recuperación de información.

Empieza por el comportamiento que quieres mejorar. Puede ser entender un documento, completar un flujo de trabajo, usar una herramienta o interpretar una escena. Esa decisión determina qué ejemplos y contexto necesitas y cómo comprobar la calidad de los datos.

Define para qué necesitas los datos

Una misma colección puede servir para distintos fines. Los ejemplos de entrenamiento enseñan un comportamiento. Los de evaluación permiten comprobarlo. El contenido de recuperación aporta información que el sistema puede consultar al responder una pregunta.

Describe el uso previsto antes de comparar fuentes. Para entrenar a un agente de atención al cliente, un ejemplo útil podría reunir una solicitud, la política aplicable y la acción que se tomó. Una tarea de evaluación también necesita una forma clara de comprobar si el agente tomó la decisión correcta. Una colección para recuperación debe contener las propias políticas y suficiente contexto para saber qué versión corresponde aplicar.

Qué incluir en la especificación de los datos

RequisitoQué describir
TareaQué debe hacer el modelo o el agente y en qué tiene dificultades actualmente
CoberturaDominios, idiomas, regiones, periodos y casos difíciles pertinentes
Formato de los datosDocumentos, código, registros, audio, imágenes, vídeo, trazas de herramientas o una combinación de estos formatos
ContextoEtiquetas, marcas de tiempo, relaciones, instrucciones o resultados necesarios para interpretar un ejemplo
Uso previstoEntrenamiento, evaluación o recuperación de información, incluida la manera de acceder a los datos
AceptaciónQué debe demostrar una muestra útil antes de ampliar el proyecto

La primera especificación puede dejar preguntas abiertas. Una tarea concreta y unos pocos ejemplos representativos suelen ser un mejor punto de partida que fijar solo un número de archivos.

Evalúa una muestra antes de ampliar el proyecto

Revisar una muestra puede revelar falta de contexto, etiquetas incoherentes, duplicados y situaciones que quedan sin cubrir. También permite a tu equipo probar el formato propuesto en su propio flujo de trabajo. Para ver un ejemplo práctico de revisión, consulta nuestra guía para comprar datos de entrenamiento para IA.

Registra la fuente y los usos permitidos junto con la evaluación técnica. La descripción de un conjunto de datos debe explicar su contenido y las limitaciones pertinentes. La guía de fichas de conjuntos de datos de Hugging Face es una referencia útil para documentarlo.

Para saber cómo puede un propietario describir una colección y qué permisos debe revisar, consulta qué preparar antes de conceder licencias sobre los datos de tu empresa.

Si eres propietario de una colección de datos de la que te gustaría hablar, puedes describir tus datos.

Para un proyecto con sapien1, define en conjunto el trabajo de búsqueda, la revisión de la muestra, los entregables y los criterios de aceptación. El siguiente paso puede ser una recopilación específica, una evaluación de los datos que ya tienes o un conjunto de tareas para la evaluación de agentes.