Aetherworld
/
系统
AetherSeed Intake Forge v0.1 · Absorption Fix

投喂式训练数据铸造炉

投喂后同时保留：原始语料（RawCorpusDocument）→ 长语料切片（LongCorpusChunk）→ 中长 SFT 样本 → 短样本 → 评测样本，并显示真实吸收率。

吸收模式（决定 raw token 是否被完整保留）
默认混合吸收模式。短样本模式不会生成 LongCorpusChunk，可能导致吸收率偏低。
① 粘贴投喂
② 文件投喂
选择 1 个或多个允许后缀的文件，单文件 ≤ 25 MB。
允许：.txt, .md, .json, .jsonl, .csv, .log, .ts, .tsx, .js, .jsx, .py, .html, .css, .docx, .pdf, .zip
③ 小批量文件夹投喂
适合小文件夹快速测试，仅处理允许后缀。
上限：1,000 个文件 / 累计 10,000,000 字符。大语料请使用下方「大规模文件夹投喂」。
大规模文件夹投喂
支持 10 万 / 50 万文件级别目录，分阶段索引 → 过滤 → 批处理。
浏览器模式可处理部分大语料，超大文件夹建议启动 local-gateway。
当前模式：大语料文件夹 · 最多 100,000 个文件 · 单文件 ≤ 100MB · 目录深度 ≤ 20 · 当前吸收模式：HYBRID
允许
  • 只处理用户主动粘贴、上传、拖入或选择的内容
  • 对所有文本进行密钥 / token / password / Founder-only / Full60 原始数列脱敏
  • 压缩包仅列出和提取允许后缀（.txt/.md/.json/.jsonl/.csv/.log/.ts/.tsx/.js/.jsx/.py/.html/.css）
  • PDF / DOCX 仅做文本抽取与摘要，不做复杂 OCR
  • 超过单次文件数或文本上限时分批处理，并明确告知用户
禁止
  • 不自动扫描整盘 / 用户主目录 / 系统目录
  • 不自动上传任何内容到外部服务
  • 不自动调用外部训练服务
  • 不真正执行训练，仅生成训练样本候选 / 评测候选 / 任务建议
  • 不保存明文 secret / Bearer / JWT / 私钥
  • 不导出 Full60 原始数列
  • Founder-only 内容默认不进入普通训练集
  • 高风险内容只记录阻断摘要，不保存原文
  • 不解压可执行 / 二进制 / 私钥相关文件
禁止后缀：.exe .dll .so .dylib .bin .sh .bat .cmd .ps1 .key .pem .p12 .pfx .env
尚未投喂任何内容。粘贴文本、选择文件或文件夹后会自动展示分类、切片、样本与评测候选。
首页输入会创建一个新对话会话 · Enter 发送 · Shift+Enter 换行