LLM Finetuning
يدير الضبط الدقيق ضمن دورة محكومة تبدأ ببناء منظومة التقييم
التثبيت
Claude Code: /plugin marketplace add wshobson/agents → /plugin install llm-finetuning@claude-code-workflows
Açık ağırlıklı bir model uçtan uca ince ayarlanırken, değerlendirme takımı kurulurken ya da bir checkpoint'in yayına çıkıp çıkmayacağına karar verilirken
- المؤلف
- Seth Hobson
- الترخيص
- MIT
تنظّم إحدى عشرة مهارة العمل بالتسلسل: تحديد الحاجة إلى الضبط الدقيق، وبناء منظومة التقييم، وتنقيح البيانات، والتدريب، ثم إخضاع نقطة التحقق لبوابات الاعتماد. تبدأ مهارة التوجيه ببدائل واضحة؛ فالحقائق المتغيرة مكانها RAG، والسلوك غير المستقر يُعالج في الموجّه، لأن معظم طلبات «الضبط الدقيق» أقل تكلفة بوسائل أخرى. يأتي التقييم أولًا عن قصد: فآثار التنفيذ المصنفة التي تُنشئ المجموعة المرجعية تنتج أيضًا بيانات التدريب، مع استبعاد كل مثال مرجعي حسب المعرّف لمنع تسرّب البيانات وتضخيم النتيجة، ثم تمر الترقية بأربع مراحل ولا تُنشر نقطة تحقق تتفوق على البيانات المرجعية المحجوبة لكنها تخسر المقارنة الثنائية أمام النموذج الأساسي. تشمل الأساليب LoRA وQLoRA وDPO وGRPO بمكافآت قابلة للتحقق، وتنتهي بالتصدير إلى GGUF أو FP8.
مهارات مشابهة
LLM Application Dev
مهارةحزمة مهارات RAG والفهرسة المتجهية وهندسة الأوامر بتصميم LangGraph
AWS Startup Advisor
مهارةإرشاد AWS يراعي مرحلة الشركة، من تأسيس الحساب إلى الترحيل والأرصدة
DeepEval Skills
مهارةتقييم تطبيقات LLM وتتبعها وتصديرها عبر OpenTelemetry
التعليقات(0)
سجّل الدخول للتعليق