Skip to main content
Datasets 提供驱动 evaluation runs 和 training runs 的 prompts，以及可选的参考答案。每一行都会成为 rollout 和 Grader 处理的一个样本。

​
Dataset 格式

Osmosis 接受 JSONL、CSV 或 Parquet 格式的数据集，单个文件最大 5 GB。 每个数据集至少需要 4 行。

​
必需列

​
可选列

当您的 Grader 需要参考答案来评分时，请包含 ground_truth（或 label）。如果 reward function 仅基于模型行为评分，则可以省略此列。只包含 metadata（没有 ground_truth）的行仍会进入 Grader。

​
Metadata 校验规则

osmosis dataset upload 与 osmosis dataset validate 会对 CSV、JSONL、Parquet 的 metadata 列执行以下校验：
  • 每个单元必须是 JSON 对象（字典）。CSV 单元和 JSONL 字符串会被解析为 JSON；Parquet 接受 struct 列、null 列或 JSON 对象字符串列。
  • 嵌套的空对象（顶层对象内出现的 {}）会被拒绝。单行的顶层 {} 允许，但抽样行不能全部为空对象。
  • 同一 key 在不同行的值类型必须一致（例如 metadata.tag 不能在一行为字符串、另一行为数字）。
  • 整数值必须在 64 位有符号整数范围内。
  • 空字符串和缺失值视为缺省，会跳过校验。

​
JSONL 示例

​
上传 Dataset

上传后的数据集名称来自文件 stem（本例中是 train）。上传后，数据集会进入处理 pipeline。您可以查看状态：

​
本地验证

上传前先在本地验证数据集，尽早发现格式问题：
这会检查必需列、文件格式和基础 JSONL/CSV/Parquet 结构，不会上传到平台。

​
预览 Dataset

预览已上传数据集的前几行：

​
管理 Datasets

​
下一步

Training Runs

在 training configs 中使用已验证的数据集。

模型

选择 base models，并部署已训练 LoRA models。