Yapay Zekâ Fine-tuning
Önceden eğitilmiş modelleri kurum diline, görevine ve çıktı beklentilerine uyarlıyoruz. Fine-tuning kararını veri, maliyet ve ölçülebilir kazanım üzerinden veriyoruz.
Ne zaman fine-tuning gerekir?
Fine-tuning; belirli bir üslubu, sınıflandırma davranışını veya görev biçimini modele kalıcı olarak öğretmek için etkilidir. Güncel kurumsal bilgiye erişim gerekiyorsa RAG, araç kullanımı veya arama tabanlı çözümler daha doğru olabilir. Önce bu ayrımı yapıyor, gereksiz eğitim maliyetini önlüyoruz.
Hizmet kapsamı
- Kullanım senaryosu ve taban model seçimi
- Eğitim örneklerinin hazırlanması, temizlenmesi ve kalite kontrolü
- Talimatla ince ayar, alan uyarlaması ve görev odaklı fine-tuning
- Temel model ile uyarlanmış modelin kör testlerle karşılaştırılması
- Güvenlik, yanlış cevap ve sınır durum testleri
- Sunum altyapısı, maliyet optimizasyonu ve izleme
Ölçmeden yayına almıyoruz
Değerlendirme kümesini eğitim verisinden ayrı tutuyor, beklenen davranışları örnek bazında test ediyoruz. Kazanım sınırlıysa daha küçük bir model, iyi tasarlanmış istemler veya RAG gibi seçenekleri yeniden değerlendiriyoruz.