Datasets de embeddings e pares de treinamento
Buscas revisadas promovidas a Pares de treino e pares salvos explicitamente
pela Busca do Playground recebem automaticamente a tag retrieval_feedback do
projeto. Tags existentes em um par reutilizado são preservadas; adicionar a
tag incrementa a revisão desse par. Repetir exatamente uma promoção não restaura
uma tag removida depois. A capacidade é verificada de forma atômica:
409 tag_limit_reached mantém a revisão e o conjunto de dados inalterados.
Registrar uma busca não revisada não cria nem marca um par de treino.
Um projeto de embeddings treina com pares de treinamento: uma âncora (uma consulta), um positivo (um trecho que a responde) e um negativo opcional (um que não responde). Ele pode ter até 20 datasets, incluindo os arquivados. O dataset padrão é criado automaticamente. Cada caminho verifica o proprietário autenticado e os IDs exatos do projeto e do dataset.
GET /api/v1/projects/{owner_slug}/{project_slug}/datasets
POST /api/v1/projects/{owner_slug}/{project_slug}/datasets
PUT /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}
POST /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/archive
POST /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/unarchive
GET /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/examples
POST /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/examples
PUT /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/examples/{example_id}
DELETE /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/examples/{example_id}
GET /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/tags
POST /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/tags
POST /api/v1/projects/{owner_slug}/{project_slug}/datasets/{dataset_id}/examples/tags
A lista inclui linhas arquivadas, contagens de pares prontos, rótulos de origem e max_datasets. Criação e renomeação aceitam {"name":"Pesquisa"}. Os nomes são únicos por projeto sem distinção de maiúsculas. Arquivar mantém os exemplos e as versões congeladas referenciadas disponíveis para leitura; não os apaga. Datasets arquivados recusam edições, etiquetas e novas importações com 409 dataset_archived. Eles continuam dentro do limite de 20. Um ID desconhecido ou de outro projeto retorna 404.
Pares de treinamento têm anchor, positive obrigatório e negative opcional. Um negativo armazenado só é usado no treinamento por um perfil que aceita negativos explícitos. A lista usa cursor, limit (1–100; padrão 25) e busca literal opcional q (até 256 caracteres). Retorna total_count filtrado, next_cursor, origem e IDs das etiquetas. A edição exige expected_revision; uma revisão antiga retorna 409 embedding_example_revision_conflict.
As etiquetas pertencem ao projeto (até 256). A lista de etiquetas informa a contagem de cada uma no dataset selecionado. Para adicionar ou remover etiquetas em lote, envie de 1 a 100 linhas com example_id, expected_revision e a lista completa de substituição tag_ids (até 32 por par). O lote é atômico: uma revisão antiga recusa todas as mudanças. Uma mudança nas etiquetas incrementa a revisão do par. A seleção de treinamento pode usar etiquetas; uma versão congelada registra os IDs selecionados e não muda quando um par ativo recebe outras etiquetas.
A importação CSV e JSONL, a prévia de amostras, as contagens finais e a recuperação após recarregar estão em Importações de datasets. Os rótulos de origem dizem de onde veio o par. “Feedback de busca” aparece apenas em uma linha promovida de uma busca revisada explicitamente, nunca de uma chamada de inferência.
Os pares promovidos exibem a origem Feedback de busca uma única vez. A tag
retrieval_feedback continua salva e disponível para seleção, mas seu rótulo
duplicado fica oculto nessa linha. Outras tags continuam visíveis.