Finetuning går i stå på de kedelige dele: dårlige JSONL-rækker, duplikerede eksempler og at skulle babysitte jobbet. Denne pipeline klarer hele vejen fra en Drive-mappe.
Finetuning går i stå på de kedelige dele: dårlige JSONL-rækker, duplikerede eksempler og at skulle babysitte jobbet. Denne pipeline klarer hele vejen fra en Drive-mappe.
Den henter dit datasæt, validerer og renser formatet, opdeler i trænings- og valideringsdata, sætter finetuningen i gang og holder øje med den, til den er færdig. Du får model-ID'et og valideringstabet tilbage, så det eneste, du skal gøre, er at pege på mappen og vælge en basismodel.
Sådan kører den
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Rens fejlbehæftede rækker, fjern dubletter og opdel datasættet i trænings- og valideringsdata.
pending
Upload den forberedte fil og start en fine-tuning-job hos OpenAI med den valgte basemodel.
pending
Spor kørslen til afslutning og rapporter den endelige model-ID og valideringstab.
pending
Eksempel på output
json
// Sample output
// (generated when the pipeline finishes)
Take a Drive dataset folder, validate and prepare it, launch an OpenAI fine-tune, and report the model ID and loss.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.