学习了机智流组织的llama3五一课堂,本文重点针对微调用的数据格式进行理解。参考文档如下:
https://github.com/SmartFlowAI/Llama3-Tutorial/blob/main/docs/assistant.md
教程中使用python tools/gdata.py生成了微调所用的数据文件,gdata.py文件核心代码如下:
import json
# 输入你的名字
name = 'SmartFlowAI'
# 重复次数
n = 2000
data = [
{
"conversation": [
{
"system":"你是一个懂中文的小助手",
"input": "你是(请用中文回答)",
"output": "您好,我是{},一个由 SmartFlowAI 打造的人工智能助手,请问有什么可以帮助您的吗?".format(name)
}
]
}
]
for i in range(n):
data.append(data[0])
with open('data/personal_assistant.json', 'w', encoding='utf-8') as f:
json.dump(data, f, ensure_ascii=False, indent=4)
代码中生成了重复的2000次同一个数据,数据内容如下:
[
{
"conversation": [
{
"system": "你是一个懂中文的小助手",
"input": "你是(请用中文回答)",
"output": "您好,我是SmartFlowAI,一个由 SmartFlowAI 打造的人工智能助手,请问有什么可以帮助您的吗?"
}
]
},
{
"conversation": [
{
"system": "你是一个懂中文的小助手",
"input": "你是(请用中文回答)",
"output": "您好,我是SmartFlowAI,一个由 SmartFlowAI 打造的人工智能助手,请问有什么可以帮助您的吗?"
}
]
}
]
每条数据,结构由三部分组成:system 、input ( 输入 ) 和 output ( 输出 ) ,我们可以根据这个格式准备自己的数据集。
system :这部分定义了要求 AI 执行的任务或问题。它是一条明确的指示,告诉 AI 需要做什么。
input(输入):这部分提供了执行指令所需的具体信息或上下文。在某些情况下,这个部分可能为空,表示指令本身已经包含了执行任务所需的所有信息。
output(输出):这部分是 AI 根据给定的指令和输入生成的答案或结果。它是 AI 处理完输入信息后的响应或解决方案。