El fine-tuning se atasca en las partes aburridas: filas JSONL malas, ejemplos duplicados y hacer de niñera del trabajo. Este pipeline gestiona todo el camino desde una carpeta de Drive.
El fine-tuning se atasca en las partes aburridas: filas JSONL malas, ejemplos duplicados y hacer de niñera del trabajo. Este pipeline gestiona todo el camino desde una carpeta de Drive.
Extrae tu dataset, valida y limpia el formato, divide entrenamiento y validación, y luego lanza el fine-tune y vigila que termine. Recibes de vuelta el ID del modelo y su pérdida de validación, así lo único que haces es apuntarlo a la carpeta y elegir un modelo base.
Cómo se ejecuta
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.
Limpia las filas malformadas, deduplica los ejemplos y divide el conjunto en entrenamiento y validación.
pending
Sube el archivo preparado y lanza un trabajo de fine-tuning de OpenAI con el modelo base elegido.
pending
Sigue la ejecución hasta el final e informa del ID del modelo final y de la pérdida de validación.
pending
Salida de ejemplo
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.