Fine-tuning sering mandek di bagian yang membosankan: baris JSONL yang rusak, contoh duplikat, dan harus terus-menerus mengawasi prosesnya. Pipeline ini menangani seluruh alur, langsung dari folder Drive.
Fine-tuning sering mandek di bagian yang membosankan: baris JSONL yang rusak, contoh duplikat, dan harus terus-menerus mengawasi prosesnya. Pipeline ini menangani seluruh alur, langsung dari folder Drive.
Pipeline ini menarik dataset Anda, memvalidasi dan membersihkan formatnya, membagi data train dan validation, lalu menjalankan fine-tune dan memantau sampai selesai. Anda akan menerima model ID beserta validation loss-nya, jadi satu-satunya hal yang perlu Anda lakukan hanyalah menunjuk foldernya dan memilih base model.
Cara kerjanya
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.
Bersihkan baris yang rusak, hilangkan duplikasi data, dan pisahkan set data menjadi bagian training dan validasi.
pending
Unggah file yang sudah disiapkan dan mulai job fine-tuning OpenAI dengan model dasar yang dipilih.
pending
Pantau proses hingga selesai dan laporkan ID model final beserta nilai loss validasinya.
pending
Contoh 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.