Sou a favor do código aberto. Mas não faz sentido abrir fonte código amontoado ou coisas que se tornam muito arriscadas se não forem configuradas corretamente (pipelines de treinamento). É extremamente difícil automatizar a coleta de conjuntos de dados de forma segura, então é mais sensato manter humanos no loop. Com arte de IA, você pode simplesmente usar dados sintéticos. Crie uma base do que você está buscando e treine um LoRA. Em seguida, use-o para gerar iterações mais precisas e personalizadas. Você nunca puxa de fontes de dados online. Provavelmente é melhor fazer o mesmo em outros lugares.