Fine-tuning loopt vast op de saaie onderdelen: slechte JSONL-rijen, dubbele voorbeelden en het babysitten van de job. Deze pipeline verzorgt het hele traject vanuit een Drive-map.
Fine-tuning loopt vast op de saaie onderdelen: slechte JSONL-rijen, dubbele voorbeelden en het babysitten van de job. Deze pipeline verzorgt het hele traject vanuit een Drive-map.
Hij haalt je dataset op, valideert en schoont het formaat op, splitst train en validatie, en start daarna de fine-tune en kijkt toe tot die klaar is. Je krijgt de model-ID en de validatieloss terug, dus het enige wat je doet is hem naar de map wijzen en een basismodel kiezen.
Hoe hij werkt
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.
Schoon misvormde rijen op, ontdubbel voorbeelden en splits de set in train en validatie.
pending
Upload het voorbereide bestand en start een OpenAI fine-tuning-job met het gekozen basismodel.
pending
Volg de run tot het einde en rapporteer de uiteindelijke model-ID en de validatieloss.
pending
Voorbeelduitvoer
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.