Atrialtú: Cathain Mionchoigeartú a Athdhéanamh
Ar an leathanach seo
Nuashonrú an 2 Samhain 2026 — Fáilteacht an mhionchoigeartaithe. Tá mionchoigeartú féinfhónta OpenAI á chéimniú amach: ón 7 Bealtaine 2026 i leith, ní féidir le heagraíochtaí nár rith riamh post mionchoigeartaithe post a chruthú a thuilleadh; ón 2 Iúil i leith, caithfidh múnla mionchoigeartaithe a bheith úsáidte agat le 60 lá anuas; agus ón 6 Eanáir 2027 i leith, ní bheidh aon chustaiméir in ann poist nua a sheoladh. Fanann múnlaí atá traenáilte cheana inúsáidte go dtí go gcuirfear a mbunmhúnla ar scor. Tá an cúrsa seo fós úsáideach chun múnla atá ann cheana a thuiscint agus a shaothrú; do thionscadail nua, tabhair tosaíocht d’innealtóireacht leideanna, RAG, agus meastóireachtaí.
Is próiseas atritheach é an mionchoigeartú
Is annamh a bhíonn do chéad rith mionchoigeartaithe foirfe. Tagann an feabhas ó thioclacha atritheacha: anailís ar na hearráidí, do chuid sonraí a shaibhrú, aththraenáil, agus athmheastóireacht. Taispeánann an cheacht seo duit cathain ar chóir duit atrialú agus conas é a dhéanamh go héifeachtach—agus, chomh tábhachtach céanna, cásanna a aithint nach fiú an aththraenáil iontu.
Déan anailís ar earráidí sula gceartóidh tú iad
Is é an frithghníomh nádúrtha i ndiaidh meastóireacht a chuireann díomá ort ná samplaí a chur leis go randamach, agus tú ag súil gurb é an toirt a réiteoidh an fhadhb. Sin é an bealach is tapúla chun do bhuiséad traenála a dhó gan dul chun cinn a dhéanamh. Tosaigh trí gach teip a chur faoi chatagóir: formáid mhícheart, ton phráinn, earráid fhíriciúil, freagra neamhiomlán, freagra as ábhar, nó hallúicín glan. Insíonn an dáileadh a thagann as cá háit ar chóir duit d’iarracht a dhíriú, agus is minic a nochtann sé iontas ann—an rud a cheap tú gur ceist stíle é, is fadhb iomláine atá ann.
def analyze_errors(results: list[dict]) -> dict:
"""Categorizes errors from the fine-tuned model."""
categories = {
"format": [], # Incorrect response format
"tone": [], # Inappropriate tone
"factual": [], # Incorrect information
"incomplete": [], # Response too short or missing elements
"off_topic": [], # Does not answer the question
"hallucination": [] # Invents information
}
for r in results:
if r.get("score", 5) < 3:
# Classify the error (can be done manually or by an LLM)
category = classify_error(r)
categories[category].append(r)
print("Error distribution:")
for cat, errors in categories.items():
if errors:
print(f" {cat}: {len(errors)} cases")
return categories
Ina dhiaidh sin, déan athbhreithniú ar na cásanna sa chatagóir chéanna chun an comhroinnteoir a aimsiú. Cuir na ceisteanna céanna ort féin gach uair: an dteipeann ar an múnla ar chineál áirithe ceiste, an mbailítear na hearráidí timpeall ábhar áirithe, agus an dtagann an fhadhb ó na sonraí nó ó na hipirpharaiméadair? Léiríonn teipithe scaipthe thar gach ábhar ach den chineál céanna i gcónaí go bhfuil easpa samplaí ann; léiríonn teipithe dírithe ar fhearann amháin go bhfuil bearna clúdaigh ann; agus is comhartha ró-oiriúnaithe é, ar chóir é a cheartú ó thaobh na n-éabhlóidí de, freagraí a ghreamaíonn róchóngach de do shamplaí traenála is cuma cén cheist.
Cathain a aithint go bhfuil atrialú de dhíth
Glaoíonn comharthaí áirithe leagan nua gan aon débhrí, agus éilíonn gach ceann acu freagairt ar leith. Ní leigheasfaidh tú múnla a dhéanann hallúicinú ar ábhar trí thaispeáint dó tuilleadh freagraí cearta ar an ábhar sin, ach trí theagasc dó diúltú dea-bhéasach nuair nach bhfuil a fhios aige.
| Comhartha | Gníomh |
|---|---|
| Earráidí formáide atá ag teacht arís agus arís eile | Cuir tuilleadh samplaí leis an bhformáid cheart |
| Déanann an múnla hallúicinú ar ábhair áirithe | Cuir samplaí leis ina ndiúltaíonn sé go dea-bhéasach |
| Ró-oiriúnú braite | Laghdaigh na héabhlóidí, éagsúlaigh na sonraí |
| Cásanna úsáide nua le clúdach | Cuir samplaí do na cásanna sin |
| Aiseolas diúltach spriocdhírithe ó úsáideoirí | Tiontaigh an t-aiseolas go samplaí ceartaithe |
I gcodarsnacht leis sin, ba cheart cúpla cás cosc a chur ort aththraenáil. Nuair a bhíonn na hearráidí annamh agus neamhchórasach, réitíonn mionathrú ar an bprompt iad níos tapúla agus saoire. Nuair a bhaineann na gearáin le moill nó le hamanna fanais, tá an fhadhb i do bhonneagar, agus ní leigheasfaidh aon chainníocht traenála í. Nuair nach bhfuil bailithe agat ach dornán samplaí nua ón leagan dheireanach, ní clúdóidh an gnóthachan a bhfuiltear ag súil leis costas an rith. Agus nuair a thagann bunmhúnla nua ar fáil, tástáil mar atá é ar dtús: uaireanta éiríonn leis, gan traenáil ar bith, an rud a stróigh leagan roimhe sin a sheachadadh.
Saibhrigh, ná tosú ó bhunalach
Ciallaíonn atrialú méadaitheach samplaí spriocdhírithe a chur le tacar sonraí atá ann cheana gan lamháltas ar an gcuid eile. Seo an oibríocht is minice agus is simplí: luchtaíonn tú an comhad reatha, ceanglaíonn tú na cásanna nua, agus athscríobhann tú gach rud i bhformáid JSONL. Feidhmíonn an comhaireamh deiridh mar rian smachta—iomlán nach hionann leis an tsuim a raibh súil leis, is comhartha teipe léamh nó línte caillte é.
import json
def enrich_dataset(
existing_dataset: str,
new_examples: list[dict],
output: str
):
"""Adds new examples to the existing dataset."""
# Load existing data
with open(existing_dataset, "r") as f:
existing = [json.loads(l) for l in f]
# Merge
combined = existing + new_examples
# Save
with open(output, "w") as f:
for ex in combined:
f.write(json.dumps(ex, ensure_ascii=False) + "\n")
print(f"Enriched dataset: {len(existing)} + {len(new_examples)} = {len(combined)}")
Tá atrialú ceartaithe níos luachmhar fós mar go ndéanann sé amhábhar de do theipithe. Soláthraíonn gach earráid a mbrathar sa táirgeadh ceist fhíor; níl le déanamh ach an freagra ba mhaith leat a bheith feicthe agat a scríobh, agus éiríonn an péire ina shampla traenála. Tabhair faoi deara nach dtagann an freagra mícheart isteach sa sampla deiridh: cuidíonn sé leis an gcás a dhoiciméadú agus a mheas an fiú an dícheall a chur sa cheartúchán, ach ní fhoghlaimíonn an múnla ach ón leagan ceart.
def error_to_example(
question: str,
bad_response: str,
good_response: str,
system_msg: str
) -> dict:
"""Transforms an error into a training example."""
return {
"messages": [
{"role": "system", "content": system_msg},
{"role": "user", "content": question},
{"role": "assistant", "content": good_response}
]
}
# Transform a batch of errors
corrections = []
for error in detected_errors:
correction = error_to_example(
question=error["question"],
bad_response=error["model_response"],
good_response=error["corrected_response"],
system_msg=SYSTEM_PROMPT
)
corrections.append(correction)
Mionchoigeartú leanúnach agus a theorainneacha
Ní chuireann aon rud cosc ort múnla atá mionchoigeartaithe cheana a mhionchoigeartú arís: níl le déanamh ach a aitheantóir iomlán a chur sa pharaiméadar model in ionad ainm an bhunmhúnla. Tá an oibríocht míorúilteach toisc nach dtraenálann sí ach ar na sonraí nua.
# Fine-tune from an already fine-tuned model
job_v2 = client.fine_tuning.jobs.create(
training_file=new_file.id,
model="ft:gpt-5.6-luna:org::suffix-v1:xxxxxxxx", # v1 model as base
suffix="my-assistant-v2"
)
Rabhadh: carnann mionchoigeartú leanúnach claonta. I ndiaidh 2–3 atrialú as a chéile, is fearr go minic tosú arís ón mbunmhúnla le tacar sonraí iomlán saibhrithe. Cuireann gach sraith leis na cleachtais a bhí sa tsraith roimhe, cleachtais nár bheartaigh tú san áireamh, agus deireadh an múnla ag freagairt le righneacht nach múinte go sonrach ag éinne dó.
An timthriall iomlán
Foirmíonn na céimeanna thíos an lúb a dhéanfaidh tú a athrá do gach leagan. Má thógann tú na hearráidí is minice ar dtús, taispeánfaidh an chéad leagan eile gnóthachain in-tomhaiste ar do thacar tástála; má thógann tú as ord iad, ní bheidh ach feabhas scaipthe atá deacair a chosaint os comhair d’fhoirne.
Bailigh na hearráidí
Aithníigh cásanna a dteipeann ar an múnla sa táirgeadh nó le linn na meastóireachta.
Catagóirigh agus tosaíochtaigh
Aicmigh earráidí de réir cineáil agus dírigh ar na cinn is minice ar dtús.
Cruthaigh samplaí ceartaithe
Tiontaigh gach earráid ina sampla traenála leis an bhfreagra ceart.
Aththraen agus athmheastóir
Traen an leagan nua agus déan comparáid idir é agus an leagan roimhe ar an tacar tástála céanna.
Doiciméadaigh gach atrialú
I ndiaidh ceithre nó chúig leagan, ní bhíonn cuimhne ag éinne cad a dhealaigh v2 ó v3 ná cén fáthar dtréig v4. Soláthraíonn taifead córasach de gach rith—comhdhéanamh an tacair sonraí, fhoinse na samplaí nua, na hipirpharaiméadair, na torthaí, agus an cinneadh a tógadh—an fhaisnéis sin nuair a fhórsaíonn cúlghrádú thú do chéimeanna a athbhreithniú. Tabhair aire ar leith do fhoinse na samplaí nua: í amháin a insidh duit, míonna ina dhiaidh sin, an dtáinig an díghrádú ó bhaisc sonraí drochroghnaithe.
iteration_log = {
"version": "v3",
"date": "2026-04-02",
"base_model": "gpt-5.6-luna",
"dataset": {
"train": 350,
"validation": 45,
"new_examples": 50,
"new_examples_source": "production errors week 12"
},
"hyperparameters": {
"n_epochs": 3,
"learning_rate_multiplier": "auto",
"batch_size": "auto"
},
"results": {
"validation_loss": 0.42,
"precision_test": 0.91,
"avg_csat": 4.3,
"improvement_vs_v2": "+5% precision, +0.2 CSAT"
},
"decision": "Deployed to production on 2026-04-03"
}
Príomhphointí
- Is próiseas atritheach é an mionchoigeartú—beidh roinnt tioclacha de dhíth
- Catagóirigh earráidí sula gceartóidh tú iad sna sonraí
- Tiontaigh aiseolas úsáideoirí ina shamplaí traenála
- I ndiaidh 2–3 atrialú as a chéile, fill ar an mbunmhúnla
- Doiciméadaigh gach atrialú chun stair ghlan a choinneáil