LLM Finetuning
Cadre le fine-tuning avec une évaluation avant l’entraînement
Installation
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
- Auteur
- Seth Hobson
- Licence
- MIT
Onze skills organisent le travail : déterminer si le fine-tuning est pertinent, construire le dispositif d’évaluation, préparer les données, entraîner le modèle puis valider le checkpoint. Le routage prévoit d’abord des solutions de repli : les faits changeants relèvent du RAG et les comportements encore mal définis du prompt. Les exemples de référence sont exclus des données d’entraînement par identifiant, puis la promotion passe par quatre étapes ; un checkpoint meilleur sur ces exemples mais moins bon que le modèle de base en comparaison directe n’est pas publié. Les méthodes vont de LoRA et QLoRA à DPO et GRPO, avec export final en GGUF ou FP8.
Compétences similaires
LLM Application Dev
CompétenceSkills RAG, index vectoriels et prompts, rebâtis sur LangGraph
AWS Startup Advisor
CompétenceConseils AWS adaptés à chaque étape d’une startup
DeepEval Skills
CompétenceÉvaluation, traçage et export OpenTelemetry pour applications LLM
Commentaires(0)
Connectez-vous pour commenter