Il fine-tuning si arena sulle parti noiose: righe JSONL difettose, esempi duplicati e un job da tenere d'occhio. Questa pipeline gestisce l'intero percorso partendo da una cartella Drive.
Il fine-tuning si arena sulle parti noiose: righe JSONL difettose, esempi duplicati e un job da tenere d'occhio. Questa pipeline gestisce l'intero percorso partendo da una cartella Drive.
Estrae il tuo dataset, valida e ripulisce il formato, divide train e validation, poi avvia il fine-tune e ne segue il completamento. Ti restituisce l'ID del modello e la sua validation loss, così l'unica cosa che fai è puntarlo alla cartella e scegliere un modello base.
Come gira
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.
Ripulisce le righe malformate, deduplica gli esempi e suddivide il set in train e validation.
pending
Carica il file preparato e avvia un job di fine-tuning OpenAI con il modello base scelto.
pending
Segue l'esecuzione fino al completamento e riporta l'ID del modello finale e la validation loss.
pending
Esempio di 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.