Le fine-tuning cale sur les parties pénibles : lignes JSONL invalides, exemples en double et job à surveiller. Ce pipeline gère tout le parcours à partir d'un dossier Drive.
Le fine-tuning cale sur les parties pénibles : lignes JSONL invalides, exemples en double et job à surveiller. Ce pipeline gère tout le parcours à partir d'un dossier Drive.
Il récupère votre jeu de données, valide et nettoie le format, sépare entraînement et validation, puis lance le fine-tune et le regarde se terminer. Vous récupérez l'ID du modèle et sa perte de validation, la seule chose à faire étant de le pointer sur le dossier et de choisir un modèle de base.
Comment il s'exécute
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.
Nettoyage des lignes mal formées, déduplication des exemples et découpage du jeu en entraînement et validation.
pending
Upload du fichier préparé et lancement d'un job de fine-tuning OpenAI avec le modèle de base choisi.
pending
Suivi de l'exécution jusqu'à la fin et restitution de l'ID du modèle final et de la perte de validation.
pending
Exemple de sortie
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.