Το fine-tuning κολλάει στα βαρετά σημεία: κακοσχηματισμένες γραμμές JSONL, διπλά παραδείγματα και η ατέλειωτη επιτήρηση της εργασίας. Αυτό το pipeline αναλαμβάνει ολόκληρη τη διαδρομή, ξεκινώντας από έναν φάκελο στο Drive.
Το fine-tuning κολλάει στα βαρετά σημεία: κακοσχηματισμένες γραμμές JSONL, διπλά παραδείγματα και η ατέλειωτη επιτήρηση της εργασίας. Αυτό το pipeline αναλαμβάνει ολόκληρη τη διαδρομή, ξεκινώντας από έναν φάκελο στο Drive.
Παίρνει το dataset σας, επικυρώνει και καθαρίζει τη μορφή, διαχωρίζει τα δεδομένα εκπαίδευσης και επικύρωσης, μετά εκκινεί το fine-tune και το παρακολουθεί μέχρι τέλους. Παίρνετε πίσω το model ID και το validation loss του, οπότε το μόνο που μένει σε εσάς είναι να δείξετε τον φάκελο και να διαλέξετε base model.
Πώς λειτουργεί
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.
Καθαρισμός λανθασμένων γραμμών, αφαίρεση διπλοτύπων παραδειγμάτων και διαχωρισμός του συνόλου σε train και validation.
pending
Ανέβασμα του προετοιμασμένου αρχείου και εκκίνηση μιας εργασίας fine-tuning στο OpenAI με το επιλεγμένο base model.
pending
Παρακολούθηση της διαδικασίας μέχρι την ολοκλήρωσή της και αναφορά του τελικού ID του μοντέλου και του validation loss.
pending
Δείγμα εξόδου
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.