Fine-tuning sıkıcı kısımlarda takılır: bozuk JSONL satırları, mükerrer örnekler ve işin başında oturup beklemek. Bu pipeline tüm yolu bir Drive klasöründen ele alır.
Fine-tuning sıkıcı kısımlarda takılır: bozuk JSONL satırları, mükerrer örnekler ve işin başında oturup beklemek. Bu pipeline tüm yolu bir Drive klasöründen ele alır.
Veri setinizi çeker, formatı doğrular ve temizler, train ile validation'ı böler, ardından fine-tune'u başlatır ve bitişini izler. Karşılığında model ID'sini ve validation loss değerini alırsınız, böylece tek yapmanız gereken onu klasöre yönlendirmek ve bir base model seçmektir.
Nasıl çalışır
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.
Bozuk satırları temizler, örnekleri tekilleştirir ve seti train ile validation olarak böler.
pending
Hazırlanan dosyayı yükler ve seçilen base model ile bir OpenAI fine-tuning işi başlatır.
pending
Çalıştırmayı tamamlanana kadar takip eder ve nihai model ID'sini ve validation loss değerini raporlar.
pending
Örnek çıktı
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.