NVIDIA-NeMo/DataDesigner

解決する課題

単純なプロンプト生成を超えた、本番環境レベルの合成データセットを作成するためのフレームワークを提供します。多様な統計分布、データフィールド間の意味のある相関関係、そして AI モデルのトレーニングやテストに必要な高品質な検証済み出力のニーズに対応します。

仕組み

Data Designer は、柔軟な構成システムを使用してデータセットを構築します。ユーザーは、カテゴリデータや人口統計データ用のサンプラー、テキスト生成用の LLM、視覚コンテンツ用の画像モデルなど、さまざまな方法で列を定義できます。依存関係を考慮した生成をサポートしており、あるフィールドが別のフィールドに影響を与えることが可能です。また、このフレームワークは MCP サーバーを介して外部ツールと統合し、インタラクションのトレースをキャプチャします。さらに、Python、SQL、または LLM ジャッジを使用して出力をスコアリングできる検証レイヤーも含まれています。

対象ユーザー

AI 開発のために、高品質な合成テキスト、構造化データ、またはマルチモーダルデータセット（画像、音声、動画のコンテキストを含む）を必要とする開発者および研究者。

ハイライト

• マルチモーダル生成: テキスト、構造化データ、画像をサポート。
• 依存関係の制御: 生成中に異なるデータフィールド間の関係を管理。
• 検証スイート: SQL、Python、および LLM ベースのジャッジを使用してデータをスコアリングおよび検証するための組み込みツールが含まれています。
• 拡張可能なアーキテクチャ: 列、シードリーダー、プロセッサ用のカスタムプラグインを許可。
• エージェント統合: コーディングエージェントがスキーマ設計と生成を自動的に処理するための特定のスキルを提供。