Новая версия fine-tuning API снижает количество примеров для обучения на 60 процентов
Обновлённый fine-tuning API использует новые алгоритмы выборки и адаптивную регуляризацию, позволяющие добиваться требуемого уровня производительности с меньшим количеством данных. Тесты на задачах классификации, извлечения информации и генерации показали улучшение на 55–65 процентов в сокращении объёма примеров.
Оптимизация особенно полезна для специализированных доменов, где набор достаточного размера датасета требует значительных ресурсов и затрат на разметку.
Технические улучшения
API поддерживает указание приоритета примеров, позволяя организациям фокусироваться на наиболее важных для их задачи случаях. Также добавлена возможность контролировать степень адаптации модели через параметр интенсивности обучения.
Версия совместима с всеми текущими моделями семейства и обратно совместима с существующими скриптами fine-tuning.
По данным компании, новая версия уже используется более чем в 40 процентах новых проектов fine-tuning, внедрённых на платформе в течение сентября.