LLM Finetuning
Fine-tuning a fasi, con valutazione prima dell’addestramento
Installazione
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
- Autore
- Seth Hobson
- Licenza
- MIT
Undici skill guidano l’intero processo: stabilire se il fine-tuning sia davvero necessario, creare il sistema di valutazione, curare i dati, addestrare e infine sottoporre il checkpoint a controlli prima della promozione. Il flusso indirizza i fatti volatili verso RAG e i comportamenti ancora da definire verso il prompt; inoltre esclude per ID gli esempi golden dai dati di training, evitando che la contaminazione gonfi i risultati. La promozione prevede quattro fasi e blocca i checkpoint che superano il modello base sui golden esclusi dal training ma perdono nel confronto diretto; i metodi supportati vanno da LoRA e QLoRA a DPO e GRPO con ricompense verificabili, con esportazione finale in GGUF o FP8.
Skill simili
LLM Application Dev
SkillSkill RAG, indici vettoriali e prompt basate su LangGraph
AWS Startup Advisor
SkillGuida AWS per startup, dall'account a migrazioni e crediti
DeepEval Skills
SkillValutazione, tracing ed export OpenTelemetry per app LLM
Commenti(0)
Accedi per commentare