Hienosäätö takkuaa aina tylsiin osiin: kelvottomat JSONL-rivit, päällekkäiset esimerkit ja työn paimentaminen. Tämä putki hoitaa koko polun Drive-kansiosta.
Hienosäätö takkuaa aina tylsiin osiin: kelvottomat JSONL-rivit, päällekkäiset esimerkit ja työn paimentaminen. Tämä putki hoitaa koko polun Drive-kansiosta.
Se hakee datasettisi, validoi ja siivoaa formaatin, jakaa opetus- ja validointidataan, käynnistää hienosäädön ja valvoo sen valmistumista. Saat takaisin mallin ID:n ja sen validointihäviön, joten ainoa tehtäväsi on osoittaa kansio ja valita perusmalli.
Kuinka se toimii
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.
Siivoa vialliset rivit, poista päällekkäiset esimerkit ja jaa aineisto koulutus- ja validointiosiin.
pending
Lataa valmisteltu tiedosto ja käynnistä OpenAI-hienosäätötyö valitulla perusmallilla.
pending
Seuraa suorituksen edistymistä loppuun asti ja raportoi lopullinen mallin ID sekä validointihäviö.
pending
Näyteulostulo
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.