Promptrepo 微調入門

通用的 AI 模型在您的任務上很接近，但總是差一點：它不知道您的類別，也不知道您的格式，而把提示寫得更長也只能改善到某個程度。從零開始訓練模型很慢，也需要大量資料。微調介於兩者之間：您拿一個訓練好的模型，用自己的範例教它。使用 Promptrepo，您不用寫程式就能在 Google Sheets 中完成，模型會用您的類別和格式來回答。

現在就開始。用一個範例建立您的 AI 模型，邊讀邊試。

微調是指拿一個預先訓練好的 AI 模型，用專門的資料集進一步訓練，讓它針對特定任務最佳化的過程。微調不是從零開始訓練模型，而是在模型已知的基礎上，教它您的任務。

為什麼要微調 AI 模型？

  1. 更高的準確度：預先訓練的模型是通用的。微調讓它專精於特定領域，提升表現。
  2. 需要的資料更少：因為模型已經有基礎知識，我們只需要較小但高品質的資料集。
  3. 更好的效率：微調可能比從零開始訓練模型快得多，也便宜得多。

Promptrepo 中的微調流程

在 Promptrepo 中，微調分為四個步驟：
  1. 定義任務：分類、擷取或生成
  2. 準備訓練資料：挑選能展示預期行為的範例
  3. 訓練模型：用 Promptrepo 以您的資料集微調
  4. 評估 & 改進：依實際使用的表現測試並改進模型

範例：微調一個食物分類模型

假設我們想把食物分成不同類別，例如 Red Meat、Beverages、Cheese 或 General Foods。我們不從零開始建立分類器，而是用食物專屬的資料微調現有的模型。
步驟：
  1. 收集資料：建立一份包含食物名稱 & 各自類別的試算表。
  2. 在 Promptrepo 中微調：輸入一個範例，發布模型，再把您的試算表加到模型的 Google Sheet 中。
  3. 測試 & 部署：現在模型就能準確分類新的食物了。
微調只用少量您自己的範例，就能建立準確的模型。接下來的文章會說明如何用 Promptrepo 建立分類、擷取和生成模型。

相關連結

建立分類模型
建立擷取模型
建立生成模型

摘要

如果通用的 AI 模型不夠準確，從零開始訓練又太費工，微調就是兩者之間的方法。使用 Promptrepo，您可以用自己的範例建立您的 AI 模型。

最後更新：