การใช้งาน fine-tuning ทั่วไปคือการฝึกโมเดลให้สร้างโค้ดเฉพาะทาง สรุปข้อความในรูปแบบที่กำหนด หรือสร้างเนื้อหาเฉพาะบุคคลตามพฤติกรรมผู้ใช้
การอัปเดตครั้งนี้เพิ่มการรองรับการผสานรวมกับแพลตฟอร์มภายนอก (เริ่มต้นด้วย Weights and Biases) และการคำนวณเมตริก เช่น loss และ accuracy บนชุดข้อมูล validation ทั้งหมด เพื่อให้เห็นภาพคุณภาพโมเดลได้ชัดเจนขึ้น
สำหรับ Assisted Fine-Tuning นั้น เป็นการทำงานร่วมกับทีมเทคนิคของ OpenAI เพื่อใช้เทคนิคขั้นสูง เช่น การปรับ hyperparameter และ PEFT ในระดับที่ใหญ่ขึ้น เช่น กรณีของ SK Telecom ที่ต้องการให้โมเดลเชี่ยวชาญด้านโทรคมนาคม
ส่วน Custom-Trained Model นั้น เหมาะสำหรับองค์กรที่มีข้อมูลเฉพาะทางจำนวนมาก (เช่น หลายล้านตัวอย่าง หรือหลายพันล้านโทเค็น) เพื่อใช้สอนความรู้ใหม่หรือพฤติกรรมที่ซับซ้อนให้กับโมเดลสำหรับกรณีการใช้งานที่เฉพาะเจาะจงสูง
ศัพท์ที่ควรรู้
- Fine-tuning – คือการปรับแต่งโมเดล AI ให้มีความเชี่ยวชาญเฉพาะด้านตามข้อมูลที่เราป้อนเข้าไป
- Weights and Biases – คือแพลตฟอร์มภายนอกที่ช่วยให้นักพัฒนาสามารถแชร์ข้อมูล fine-tuning เข้ากับระบบของตนเองได้
- Loss and accuracy – คือเมตริกที่ใช้วัดว่าโมเดลทำงานได้ดีเพียงใดเมื่อเทียบกับข้อมูลจริง
- Assisted Fine-Tuning – คือการทำงานร่วมกับทีมผู้เชี่ยวชาญของ OpenAI เพื่อใช้เทคนิคขั้นสูงในการปรับแต่งโมเดล
- Custom-Trained Model – คือโมเดลที่ถูกฝึกด้วยข้อมูลเฉพาะทางขององค์กร ทำให้มีความรู้เฉพาะตัวสูง
ที่มา: OpenAI