Guides

Gültige JSONL-Fine-Tuning-Datensätze aus CSV & JSON erstellen

Erstellen Sie valide OpenAI-Chat-, Alpaca- und Gemini-Fine-Tuning-.jsonl-Dateien lokal aus Tabellen und JSON-Arrays mit Zeilenvalidierung.

3 Min. Lesezeit

Schnellantwort: Fine-Tuning-APIs erwarten zeilengetrenntes `JSONL` (`.jsonl`) mit einem eigenständigen JSON-Objekt pro Zeile, während Trainingsdaten meist als `.csv` vorliegen. Die lokale Konvertierung ordnet Spalten offline OpenAI-`messages` oder Alpaca-Schemata zu, ohne Datensätze hochzuladen.

Warum Fine-Tuning- & Batch-APIs JSONL statt JSON verlangen

Standard-JSON umschließt Datensätze mit einem äußeren `[ ... ]`-Array, sodass Parser erst die gesamte Datei puffern müssen. JSONL (Newline-Delimited JSON) schreibt pro Zeile genau ein kompaktes, eigenständiges JSON-Objekt.

Trainingspipelines bei OpenAI, Anthropic Batch API und Vertex AI streamen Millionen JSONL-Zeilen unabhängig voneinander und prüfen das Schema zeilenweise.

  • Jede Zeile muss einzeiliges, minifiziertes JSON sein (keine mehrzeilige Formatierung).
  • Leere Schlusszeilen oder nachgestellte Kommas lösen Upload-Fehler aus.
  • Jedes Beispiel wird meist auf ein rollenbasiertes `messages`-Array abgebildet.

OpenAI-Chat- und Alpaca-Trainingsdaten direkt aus CSV erzeugen

Kuratierte Evaluations- und Trainingsbeispiele beginnen oft in Excel oder Google Sheets mit Spalten wie `system`, `prompt`/`user` und `completion`/`assistant`. Manuelle Konvertierung über Ad-hoc-Skripte bremst Iterationen.

CSV to JSONL bringt Vorlagen für rohe Objekte, OpenAI Chat (`messages[]`) und Alpaca (`instruction/input/output`) mit, sodass Tabellen direkt lokal in trainierbares JSONL exportieren.

json
{"messages":[{"role":"user","content":"Explain UTF-8 BOM"},{"role":"assistant","content":"A 3-byte EF BB BF header telling Excel to decode UTF-8."}]}

CSV-Datensätze in OpenAI-/Alpaca-JSONL wandeln

Verschachtelte JSON-Arrays in validiertes JSONL entpacken

Liegt Ihr Export als verschachteltes API-Objekt wie `{ "data": { "samples": [...] } }` vor, übergeben Sie den Punktpfad `data.samples` in JSON to JSONL, um das Array auszupacken und jede Zeile zu prüfen.

JSON-Arrays konvertieren oder JSONL prüfen

Token-Kosten des Datensatzes lokal abschätzen

Proprietäre Trainingsbeispiele sollten nie in fremde Web-Tokenizer gelangen. Messen Sie die Token-Menge Ihres fertigen JSONL-Datensatzes offline vor dem Fine-Tuning-Start.

Tokens über GPT-5, Claude 4 & Gemini 2.5 zählen

Referenzen

Häufig gestellte Fragen

Welche Spaltennamen erkennt die OpenAI-Chat-CSV-Vorlage?

Spalten namens system, user/prompt/question sowie assistant/completion/answer werden automatisch in das messages-Array abgebildet; im Raw-Modus bleiben alle Spalten direkt erhalten.

Kann ich eine bestehende JSONL-Logdatei wieder in ein JSON-Array umwandeln?

Ja. Stellen Sie die Richtung in JSON to JSONL auf JSONL -> JSON, um alle Zeilen in einem formatierten JSON-Array zu bündeln.

Warum scheiterte mein Fine-Tuning-Upload in Zeile 142?

Meist zerstört ein nicht maskiertes Anführungszeichen, eine Leerzeile oder ein NaN-Token die JSON-Syntax. Die Option Jede JSONL-Zeile validieren markiert die genaue Fehlerzeile sofort.

Verwandte Formate

Weitere Vergleiche

Verwandte Leitfäden