Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Μορφή δεδομένων: Συνομιλίες JSONL

Μάθημα 3 / 16 Ενημερώθηκε 2 Νοεμβρίου 2026 Προχωρημένος
Σε αυτήν τη σελίδα
  1. Η μορφή JSONL
  2. Δομή συνομιλίας
  3. Συνομιλίες πολλαπλών γύρων
  4. Σταθμισμένη εκπαίδευση με weight
  5. Σενάριο δημιουργίας αρχείου JSONL
  6. Βασικά σημεία

Ενημέρωση 2 Νοεμβρίου 2026 — Διαθεσιμότητα Fine-tuning. Η αυτοεξυπηρετούμενη διαδικασία fine-tuning της OpenAI καταργείται σταδιακά: από τις 7 Μαΐου 2026, οι οργανισμοί που δεν την έχουν χρησιμοποιήσει ποτέ δεν μπορούν πλέον να δημιουργήσουν εργασίες· από τις 2 Ιουλίου, πρέπει να έχετε χρησιμοποιήσει ένα μοντέλο fine-tuned μέσα στις τελευταίες 60 ημέρες· και ξεκινώντας από τις 6 Ιανουαρίου 2027, κανένας πελάτης δεν θα μπορεί να ξεκινήσει νέες εργασίες. Τα ήδη εκπαιδευμένα μοντέλα παραμένουν usable μέχρι να αποσυρθεί το βασικό τους μοντέλο. Αυτό το μάθημα παραμένει χρήσιμο για την κατανόηση και την αξιοποίηση ενός υπάρχοντος μοντέλου· για νέα έργα, δώστε προτεραιότητα στη μηχανική εντολών (prompt engineering), στο RAG και στις αξιολογήσεις.

Η μορφή JSONL

Το JSONL (JSON Lines) είναι η απαιτούμενη μορφή για το API fine-tuning της OpenAI. Κάθε γραμμή στο αρχείο αποτελεί ένα ανεξάρτητο αντικείμενο JSON που αντιπροσωπεύει ένα πλήρες παράδειγμα εκπαίδευσης. Αυτή η δομή σας επιτρέπει να μεταδίδετε ροή δεδομένων (stream) από ένα σώμα κειμένου δεκάδων χιλιάδων παραδειγμάτων χωρίς να χρειάζεται ποτέ να φορτώσετε ολόκληρο το αρχείο στη μνήμη.

{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}

Θεμελιώδης κανόνας: μία γραμμή = ένα αντικείμενο JSON = ένα παράδειγμα. Μην συμπεριλαμβάνετε αλλαγές γραμμής μέσα στο ίδιο το αντικείμενο JSON. Με άλλα λόγια, η μορφοποιημένη («pretty-printed») εσοχή JSON από τον επεξεργαστή κειμένου σας θα καταστρέψει το αρχείο—αυτή είναι η πιο συχνή αιτία απόρριψης κατά τη μεταφόρτωση.

Δομή συνομιλίας

Κάθε παράδειγμα είναι ένα αντικείμενο με ένα κλειδί messages που περιέχει έναν πίνακα μηνυμάτων. Κάθε μήνυμα διαθέτει ένα role και ένα content. Γίνονται δεκτοί μόνο τρεις ρόλοι:

  • system: γενικές οδηγίες για τον βοηθό (προαιρετικό, αλλά συνιστάται)
  • user: το μήνυμα του χρήστη
  • assistant: η απάντηση που το μοντέλο πρέπει να μάθει να παράγει

Η ελάχιστη μορφή αποτελείται από μια μοναδική ανταλλαγή μηνυμάτων μεταξύ user/assistant. Αυτό αρκεί όταν η επιθυμητή συμπεριφορά δεν εξαρτάται από συγκεκριμένο πλαίσιο, όπως για ένα μοντέλο αφιερωμένο σε μια μοναδική εργασία.

{
  "messages": [
    {"role": "user", "content": "Hello, how are you?"},
    {"role": "assistant", "content": "Hello! I'm ready to help. What can I do for you?"}
  ]
}

Μόλις το μοντέλο χρειάζεται να υιοθετήσει έναν συγκεκριμένο ρόλο, προσθέστε ένα μήνυμα system—και διατηρήστε το ίδιο σε όλα τα παραδείγματά σας. Σημειώστε στο παρακάτω παράδειγμα ότι η οδηγία «προσφέρετε πάντα ένα ραντεβού επίδειξης» τηρείται πραγματικά στην απάντηση του βοηθού: το μήνυμα system περιγράφει έναν περιορισμό και το παράδειγμα δείχνει πώς φαίνεται αυτός όταν εφαρμόζεται.

{
  "messages": [
    {
      "role": "system",
      "content": "You are a sales assistant for TechCorp. Respond concisely and professionally. Always offer a demo appointment."
    },
    {
      "role": "user",
      "content": "I'm looking for a CRM solution for my team of 50 people."
    },
    {
      "role": "assistant",
      "content": "Our TechCorp CRM is designed for teams of 20 to 200 people, with contact management, sales pipeline, and integrated reporting. For a team of 50, I recommend the Business plan at €29/user/month. Would you like to schedule a personalized demo this week?"
    }
  ]
}

Συνομιλίες πολλαπλών γύρων

Μπορείτε να συμπεριλάβετε συνομιλίες με πολλαπλές ανταλλαγές. Το μοντέλο μαθαίνει τότε να διατηρεί τη συνοχή across turns: εδώ, η δεύτερη απάντηση βασίζεται στο βήμα 2 που ανακοινώθηκε στην πρώτη, κάτι που ένα μεμονωμένο παράδειγμα δεν θα μπορούσε να διδάξει.

{
  "messages": [
    {
      "role": "system",
      "content": "You are a technical assistant for a payment API."
    },
    {
      "role": "user",
      "content": "How do I integrate your payment API?"
    },
    {
      "role": "assistant",
      "content": "Integration happens in 3 steps: 1) Install the SDK with pip install paycorp-sdk, 2) Configure your API key, 3) Create your first payment. Which step would you like to start with?"
    },
    {
      "role": "user",
      "content": "How do I configure the API key?"
    },
    {
      "role": "assistant",
      "content": "Get your key from the dashboard (Settings > API Keys), then configure it in your code:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nUse the test key (prefix sk_test_) in development and the live key (sk_live_) in production. Never commit your keys to source code."
    }
  ]
}

Σταθμισμένη εκπαίδευση με weight

Μπορείτε να υποδείξετε στο μοντέλο ποια μηνύματα του βοηθού είναι τα πιο σημαντικά προσθέτοντας ένα πεδίο weight:

{
  "messages": [
    {"role": "user", "content": "Summarize this document."},
    {"role": "assistant", "content": "Here is the summary...", "weight": 1}
  ]
}

Ένα weight ίσο με 0 σημαίνει ότι το μοντέλο δεν θα εκπαιδευτεί σε αυτό το συγκεκριμένο μήνυμα του βοηθού· η προεπιλεγμένη τιμή είναι 1. Η τυπική περίπτωση χρήσης αφορά συνομιλίες πολλαπλών γύρων όπου μόνο ο τελικός γύρος έχει σημασία: διατηρείτε τις προηγούμενες ανταλλαγές επειδή παρέχουν το απαραίτητο πλαίσιο, αλλά δεν θέλετε το μοντέλο να μάθει να τις αναπαράγει—απλώς ορίστε τες σε 0.

Σενάριο δημιουργίας αρχείου JSONL

Στην πράξη, δεν θα γράψετε ποτέ αυτό το αρχείο χειροκίνητα. Η παρακάτω συνάρτηση σειριοποιεί μια λίστα παραδειγμάτων και σας προστατεύει από τις δύο πιο συχνές παγίδες: την παράλειψη της τελικής αλλαγής γραμμής και τον λανθασμένο χειρισμό της διαφυγής χαρακτήρων με τόνους.

import json

def create_jsonl_file(examples: list[dict], path: str):
    """Creates a JSONL file from a list of examples."""
    with open(path, "w", encoding="utf-8") as f:
        for example in examples:
            line = json.dumps(example, ensure_ascii=False)
            f.write(line + "\n")
    print(f"File created: {path} ({len(examples)} examples)")

# Your examples
examples = [
    {
        "messages": [
            {"role": "system", "content": "TechCorp customer support assistant."},
            {"role": "user", "content": "My account is locked."},
            {"role": "assistant", "content": "I understand your frustration. To unlock your account, I need your registration email address. I'll check the status and guide you through the reactivation process."}
        ]
    },
    {
        "messages": [
            {"role": "system", "content": "TechCorp customer support assistant."},
            {"role": "user", "content": "How do I change my password?"},
            {"role": "assistant", "content": "To change your password: go to Settings > Security > Change Password. Enter your current password, then the new one (minimum 12 characters, with uppercase, number, and special character). Confirm and click Save."}
        ]
    }
]

create_jsonl_file(examples, "training_data.jsonl")

Τα σφάλματα που θα συναντήσετε είναι πάντα τα ίδια και όλα μπορούν να εντοπιστούν πριν τη μεταφόρτωση. Μια missing line break μεταξύ δύο αντικειμένων συγχωνεύει δύο παραδείγματα σε μια μη αναγνώσιμη γραμμή. Ένα malformed JSON—missing quote, extra comma—αποτυγχάνει ολόκληρη τη γραμμή. Ένα κενό content προκαλεί σφάλμα επικύρωσης από την πλευρά της OpenAI, όπως και ένας επινοημένος ρόλος: γίνονται δεκτοί μόνο οι system, user και assistant. Τέλος, γράφετε πάντα σε UTF-8 με ensure_ascii=False, διαφορετικά οι χαρακτήρες με τόνους θα μετατραπούν σε ακολουθίες διαφυγής (escape sequences) που το μοντέλο θα μάθει επιμελώς να αναπαράγει.

Βασικά σημεία

  • Μία γραμμή JSONL = ένα αντικείμενο JSON = μια πλήρης συνομιλία
  • Κάθε συνομιλία περιέχει τουλάχιστον ένα μήνυμα user και ένα μήνυμα assistant
  • Το μήνυμα system είναι προαιρετικό αλλά συνιστάται για συνοχή
  • Χρησιμοποιήστε weight: 0 για να αποκλείσετε συγκεκριμένους γύρους από την εκπαίδευση σε συνομιλίες πολλαπλών γύρων
  • Επικυρώνετε πάντα το αρχείο JSONL σας πριν τη μεταφόρτωση