LLM Finetuning

Claude Code: /plugin marketplace add wshobson/agents → /plugin install llm-finetuning@claude-code-workflows

On bir skill işi sıraya koyuyor: ince ayar gerçekten gerekli mi, değerlendirme takımı, veri derleme, eğitim ve son olarak checkpoint kapısı. Yönlendirme skill'i ilk bölümünü çıkış yollarına ayırmış; sık değişen olgular RAG'e, henüz oturmamış davranış isteme ait, çünkü "şunu ince ayarlayalım" diye gelen isteklerin çoğu başka yerde daha ucuza çözülüyor. Değerlendirmenin önde olması bilinçli: altın kümeyi üreten etiketli izler aynı zamanda eğitim verisini de üretiyor ve her altın örnek kimliğiyle dışarıda bırakılıyor, böylece sızıntı skoru sessizce şişiremiyor. Terfi dört aşamalı bir kapı; ayrılmış altın kümede kazanıp taban modelle eşli karşılaştırmayı kaybeden checkpoint yayına çıkmıyor. Yöntemler LoRA ve QLoRA'dan DPO'ya, oradan doğrulanabilir ödüllü GRPO'ya uzanıyor, GGUF ya da FP8 dışa aktarımıyla bitiyor.