Fine-tuning kör fast på de tråkiga delarna: trasiga JSONL-rader, dubbletter av exempel och att vakta jobbet. Den här pipelinen sköter hela vägen från en Drive-mapp.
Fine-tuning kör fast på de tråkiga delarna: trasiga JSONL-rader, dubbletter av exempel och att vakta jobbet. Den här pipelinen sköter hela vägen från en Drive-mapp.
Den hämtar din datamängd, validerar och rensar formatet, delar upp train och validation och drar sedan i gång fine-tuningen och bevakar att den blir klar. Du får tillbaka modell-ID:t och dess validation loss, så det enda du gör är att peka den på mappen och välja en basmodell.
Så kör den
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.
Rensa felaktiga rader, deduplicera exempel och dela upp datamängden i train och validation.
pending
Ladda upp den förberedda filen och starta ett OpenAI-fine-tuning-jobb med den valda basmodellen.
pending
Följ körningen till slut och rapportera det slutliga modell-ID:t och validation loss.
pending
Exempel på 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.