Adaption labs lanza una herramienta para generar datos de entrenamiento a partir de descripciones de tareas

Adaption Labs ha lanzado una nueva función llamada 'Invent a Dataset', que permite a los usuarios generar conjuntos de datos estructurados y listos para el entrenamiento directamente a partir de una descripción de tareas, sin necesidad de un corpus base, un esquema predefinido o una guía de etiquetado. La herramienta está disponible actualmente a través de la aplicación Adaption, el SDK de Python y la API REST, exportando los datos generados en formatos como JSONL, JSON, CSV o Parquet. El proceso se ejecuta en la plataforma alojada por Adaption y consume créditos, y no hay una ruta de generación autoalojada documentada. La herramienta tiene como objetivo abordar las limitaciones de los flujos de trabajo tradicionales de conjuntos de datos, donde los equipos a menudo dedican semanas a etiquetar y remodelar datos existentes para que coincidan con las tareas objetivo. Adaption argumenta que este enfoque limita la calidad del modelo, ya que las señales relevantes a menudo se encuentran en sistemas internos, texto no estructurado o registros de flujo de trabajo. 'Invent a Dataset' comienza antes en el proceso, centrándose en el comportamiento en sí mismo en lugar de esquemas predefinidos. Admite dos formatos de salida para el entrenamiento: instruction_dataset para el ajuste fino supervisado y preference_pairs para el entrenamiento basado en preferencias como DPO. Adaption también ha introducido AutoScientist, lanzado en mayo de 2026, que optimiza conjuntamente los datos y las recetas de entrenamiento en función de los objetivos del usuario. Las evaluaciones internas muestran que AutoScientist supera a los entornos de entrenamiento configurados manualmente en un promedio del 35%, con tasas de éxito que aumentan del 48% al 64% en ocho verticales. Los tamaños de los conjuntos de datos oscilan entre 5.000 y 100.000 filas, utilizando arquitecturas de Together AI.