msaldain
d0a05cdd97
Un patrón sin "/" inicial en .gitignore matchea cualquier directorio con ese nombre en cualquier nivel. "data/" y "runs/" estaban excluyendo, además de lo que se quería: enlace/data/ los cargadores de datos (ByteStream, ShardStream) configs/data/ corpus.yaml, smoke.yaml, distill.yaml configs/runs/ todos los configs ejecutables Es decir que el repo commiteado no contenía ni la capa de datos ni un solo config con el que arrancar un entrenamiento. Como scripts/remote.sh sincroniza por git push/pull, el servidor habría recibido un paquete que falla al importar, y el síntoma habría aparecido recién allá. Se anclan las cuatro rutas con "/" inicial y se documenta el porqué en el propio archivo. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
37 lines
1.5 KiB
YAML
37 lines
1.5 KiB
YAML
# Generación de datos sintéticos con la Batch API (Etapa 3 del plan).
|
|
#
|
|
# Se usa la Batch API y no llamadas sueltas porque cuesta la mitad y generar un
|
|
# dataset no es sensible a la latencia. A cambio el trabajo es asincrónico y
|
|
# puede tardar horas: el estado vive en disco y es reanudable.
|
|
#
|
|
# Esto NO hace falta para entrenar ni para correr ENLACE. Solo se usa al armar
|
|
# el dataset SFT, y solo para la parte difícil: identidad y casos límite. El
|
|
# grueso sale de plantillas (cero modelo) y de un 7-8B local en la 2060.
|
|
|
|
model: claude-opus-5
|
|
|
|
# En este modelo el pensamiento está activo por defecto y max_tokens acota
|
|
# pensamiento + respuesta juntos: sin holgura la salida se corta a la mitad.
|
|
# 8000 alcanza de sobra para ejemplos de SFT, que son cortos.
|
|
max_tokens: 8000
|
|
|
|
# Generar parafraseos y ejemplos etiquetados no es trabajo intensivo en
|
|
# razonamiento. `low` baja el costo bastante sin perder calidad acá; subilo a
|
|
# `medium` para el set de identidad, que sí exige coherencia fina.
|
|
effort: low
|
|
|
|
# Tope de la API: 100.000 pedidos o 256 MB por lote. Se parte bien por debajo
|
|
# para no depender de que una request HTTP enorme llegue entera.
|
|
requests_per_batch: 10000
|
|
|
|
poll_interval_seconds: 60
|
|
max_wait_hours: 26 # la API promete < 24 h; el resto es red de seguridad
|
|
|
|
output_dir: data/distill
|
|
|
|
# Solo para el reporte de costo estimado. Los precios reales los factura
|
|
# Anthropic; esto sirve para saber en qué orden de magnitud estamos.
|
|
usd_per_mtok_input: 5.0
|
|
usd_per_mtok_output: 25.0
|
|
batch_discount: 0.5
|