Afinação

Defina o comportamento que precisa mudar. Estilo de saída consistente, tarefa de classificação especializada e uso de fatos recentes são requisitos diferentes. Prompting ou recuperação podem resolver alguns deles sem um trabalho de treinamento. Compare essas alternativas antes de adicionar trabalho de manutenção do modelo. Construa exemplos que reflitam o comportamento pretendido e incluam casos difíceis. Mantenha um conjunto de avaliação reservado separado das decisões de treinamento e ajuste. Revise rótulos, registros duplicados, permissões e qualquer informação confidencial antes de usar o conjunto de dados. A adaptação pode atualizar todos os parâmetros ou um subconjunto selecionado, dependendo do método. Memória menor ou menos parâmetros treináveis não eliminam a necessidade de avaliar o modelo resultante. Verifique tanto a tarefa-alvo quanto as capacidades que devem permanecer intactas. Registre o modelo base, a versão dos dados, as configurações de treinamento e o checkpoint resultante. Avalie custos de implantação, tempo de resposta e rollback antes do lançamento. Quando o conhecimento da fonte mudar, decida se atualiza a recuperação, revisa o conjunto de dados, reentrena ou altera o fluxo de evidência do produto.