Leaganú agus Filltear
Ar an leathanach seo
Nuashonrú 2 Samhain 2026 — Fáil ar fhíneáil. Tá an fhíneáil féinseirbhíse ó OpenAI á céimniú amach: ón 7 Bealtaine 2026, ní féidir le heagraíochtaí nach bhfuil tar éis í a úsáid riamh post a chruthú a thuilleadh; ón 2 Iúil, caithfidh tú samhaltóir fíneáilte a bheith úsáidte agat laistigh de na 60 lá seo caite; agus ag tosú 6 Eanáir 2027, ní bheidh aon chustaiméir in ann post nua a sheoladh. Fanann samhaltóirí atá traenáilte cheana inúsáidte go dtí go gcuirtear an bun-samhaltóir ar scor. Fanann an cúrsa seo úsáideach chun samhaltóir atá ann cheana a thuiscint agus a shaothrú; do thionscadail nua, tabhair tosaíocht d’innealtóireacht leid, RAG, agus meastóireachtaí.
Cén fáth leaganú a dhéanamh ar do shamhaltóirí
Sa táirgeadh, déanfaidh tú athrá ar do shamhaltóir fíneáilte: sonraí nua, hipearpharaiméadair choigeartaithe, bun-samhaltóir nua. Gan córas leaganúcháin dian, caillfidh tú inrianaitheacht agus an cumas filltear a dhéanamh i gcás cúlú. Is é an scéal i gcónaí mar an gcéanna: ar maidin Dé Luain, téann aiseolas úsáideoirí in olcas, níl a fhios ag aon duine cé acu samhaltóir atá á rith i ndáiríre nó cé na sonraí a tháirg é, agus caitheann an fhoireann an lá ag athchruthú faisnéise a chaomhnódh comhad cúpla líne.
Ainmniú leaganacha
Is é an paraiméadar suffix den phost fíneála do chéad uirlis inrianaitheachta: críochnaíonn an teaghrán a chuireann tú ann san ID deiridh den tsamhaltóir agus fanann sé inléite i ngach áit—i do logaí, do chumraíocht, do chonsól. Glac le coinbhinsiún agus fan leis.
# Coinbhinsiún: {ainm}-v{príomhleagan}.{mionleagan}
job = client.fine_tuning.jobs.create(
training_file=training_file.id,
model="gpt-5.6-luna",
suffix="support-client-v2.1"
)
Ní mór don uimhir féin faisnéis a iompar, ní hamháin iarrachtaí a chomhaireamh. Athraíonn príomhleagan nuair a athraíonn nádúr an tsamhaltóra; mionleagan, nuair a fheabhsaíonn tú gan briseadh. Go praiticiúil, fanann ceartúchán sonraí a chuirtear i bhfeidhm leis na hipearpharaiméadair chéanna ar an bpríomhleagan céanna, ach éilíonn athrú ar an mbun-samhaltóir ceann nua a thosú.
| Leagan | Cad a chuireann sé in iúl |
|---|---|
| v1.0 | An chéad tsamhaltóir bailíochtaithe sa táirgeadh |
| v1.1 | Ceartúchán sonraí (na hipearpharaiméadair chéanna) |
| v2.0 | Athrú ar an mbun-samhaltóir nó ar an straitéis |
| v2.1 | Coigeartú hipearpharaiméadar |
Clár samhaltóirí a choinneáil
Níl an t-ainm leor leis féin: ní insíonn sé faoi cad a bhí sa tacar sonraí, na torthaí a fuarthas, nó cén fáth ar churtha an leagan seo chun cinn. Coinníonn clár láraithe na meiteashonraí seo taobh leis an ID teicniúil agus éiríonn sé foinse na fírinne d’aon duine d’fhoireann. Coinníonn an rang thíos na rudaí riachtanacha i gcomhad JSON: taifeadann sé samhaltóir iarrthóra, cuireann sé ceann chun cinn go dtí an táirgeadh agus marcálann sé an ceann roimhe sin mar scor, filleann sé an ID atá gníomhach faoi láthair, agus taispeánann sé an stair. Tóg an t-am chun an réimse notes a líonadh: sábhálfaidh aon abairt amháin faoin méid a d’athraigh ón leagan roimhe sin leath lá seandálaíochta duit níos déanaí.
import json
import datetime
class ModelRegistry:
"""Clár de shamhaltóirí fíneáilte."""
def __init__(self, path: str = "model_registry.json"):
self.path = path
try:
with open(path, "r") as f:
self.registry = json.load(f)
except FileNotFoundError:
self.registry = {"models": [], "production": None}
def record(
self,
version: str,
model_id: str,
job_id: str,
dataset_info: dict,
hyperparams: dict,
metrics: dict,
notes: str = ""
):
"""Taifeadann sé samhaltóir nua sa chlár."""
entry = {
"version": version,
"model_id": model_id,
"job_id": job_id,
"date": datetime.datetime.now().isoformat(),
"dataset": dataset_info,
"hyperparameters": hyperparams,
"metrics": metrics,
"notes": notes,
"status": "candidate"
}
self.registry["models"].append(entry)
self._save()
print(f"Model {version} recorded: {model_id}")
def promote(self, version: str):
"""Cuireann sé samhaltóir chun cinn go dtí an táirgeadh."""
old = self.registry["production"]
for m in self.registry["models"]:
if m["version"] == version:
m["status"] = "production"
self.registry["production"] = version
break
if old:
for m in self.registry["models"]:
if m["version"] == old:
m["status"] = "retired"
self._save()
print(f"Production: {old} -> {version}")
def rollback(self, version: str):
"""Filltear go leagan roimhe sin."""
self.promote(version)
print(f"Rollback performed to {version}")
def production_model(self) -> str:
"""Filleann sé ID an tsamhaltóra atá sa táirgeadh."""
version = self.registry["production"]
for m in self.registry["models"]:
if m["version"] == version:
return m["model_id"]
return None
def history(self):
"""Taispeánann sé stair an tsamhaltóra."""
print(f"{'Version':<12} {'Status':<12} {'Date':<12} {'Val Loss':<10}")
print("-" * 50)
for m in self.registry["models"]:
date = m["date"][:10]
loss = m["metrics"].get("validation_loss", "N/A")
print(f"{m['version']:<12} {m['status']:<12} {date:<12} {loss}")
def _save(self):
with open(self.path, "w") as f:
json.dump(self.registry, f, indent=2, ensure_ascii=False)
Go praiticiúil, tagann saolré leagain síos go dtí trí ghla: taifeadann tú an tsamhaltóir a thagann as an traenáil lena huimhreacha, cuirimid chun cinn í nuair a fhíoraíonn an mheastóireacht í, agus filleann tú ar an leagan roimhe sin má sháraíonn an táirgeadh an mheastóireacht. Ba chóir go mbeadh an líne dheireanach chomh trivial le scríobh leis an dá cheann céanna.
registry = ModelRegistry()
# Samhaltóir nua a thaifeadadh
registry.record(
version="v2.1",
model_id="ft:gpt-5.6-luna:org::support-v2.1:abc123",
job_id="ftjob-xyz789",
dataset_info={"train": 350, "validation": 45},
hyperparams={"n_epochs": 3, "lr": "auto"},
metrics={"validation_loss": 0.38, "precision_test": 0.93},
notes="Added 50 fix examples for refunds"
)
# Cur chun cinn go dtí an táirgeadh
registry.promote("v2.1")
# I gcás trioblóide, filltear
registry.rollback("v2.0")
Filltear i soicindí
Níl luach ar bith ag filltear mura bhfuil sé tapa agus mura n-éilíonn sé smaoineamh. Ós rud é go léann d’iarratas ainm an tsamhaltóra ó athróg timpeallachta, ciallaíonn athrú leagan an t-athróg sin a athrú agus an clár a nuashonrú—gan ath-imlonnú cód, gan ath-chóimeáil. Téann an fheidhm quick_rollback níos faide trí rogha an duine a sheachaint go hiomlán: piocann sé an leagan cobhsaí deireanach atá ar fáil agus, mura bhfuil aon cheann ann, filleann sé ar an mbun-samhaltóir. Is é an brainse deireanach seo do líon sábháilteachta absalóideach; spreag é go deonach uair amháin i dtimpeallacht tástála, agus an geallchur nialasach.
import os
def deploy_model(version: str, registry: ModelRegistry):
"""Imlonnaíonn sé samhaltóir trí athróg an timpeallachta a nuashonrú."""
model_id = None
for m in registry.registry["models"]:
if m["version"] == version:
model_id = m["model_id"]
break
if not model_id:
raise ValueError(f"Version {version} not found")
# Cumraíocht a nuashonrú
os.environ["OPENAI_FT_MODEL"] = model_id
registry.promote(version)
print(f"Model deployed: {version} ({model_id})")
return model_id
def quick_rollback(registry: ModelRegistry):
"""Filltear go dtí an leagan cobhsaí deireanach."""
production = registry.registry["production"]
versions = [
m for m in registry.registry["models"]
if m["version"] != production and m["status"] != "retired"
]
if not versions:
# Filltear ar an mbun-samhaltóir
os.environ["OPENAI_FT_MODEL"] = "gpt-5.6-luna"
print("Rollback to base model")
return
last_stable = versions[-1]
deploy_model(last_stable["version"], registry)
Cartlannaigh na sonraí, ní hamháin na samhaltóirí
Ní fhágann leaganú a dhéanamh ar shamhaltóir gan leaganú a dhéanamh ar an rud a tháirg é ach leathbhealach. An lá a bheidh tú ag iarraidh a thuiscint cén fáth a choinnigh v2.1 an tón níos fearr ná v2.2, beidh na trí chomhad beacht a úsáideadh chun é a thraenáil ag teastáil uait, an tacar tástála san áireamh—gan é, níl aon chomparáid ina dhiaidh sin cothrom. Cartlannaigh iad i bhfillteán a iompraíonn an uimhir leagain, díreach ag an am a thaifeadann tú an tsamhaltóir.
import shutil
def archive_dataset(version: str, files: list[str], archive_folder: str):
"""Cartlannaíonn sé sonraí traenála do leagan ar leith."""
folder = f"{archive_folder}/{version}"
os.makedirs(folder, exist_ok=True)
for file in files:
shutil.copy2(file, folder)
print(f"Data archived in {folder}")
archive_dataset(
"v2.1",
["train.jsonl", "validation.jsonl", "test.jsonl"],
"archives/datasets"
)
An píblíne iomlán a uathoibriú
Déantar na céimeanna seo, a fhorghníomhthaítear de láimh, a scipeáil sa deireadh—go háirithe cartlannú, a thagann ar deireadh agus nach mbacann aon rud. Bailigh iad i script amháin a shlabhraíonn uaslódáil comhaid, seoladh poist, fanacht le críochnú, taifeadadh sa chlár, agus ansin cartlannú na sonraí. Déanann an lúb feithimh ceist ar an bpost gach tríocha soicind agus stopann sé ar stádas teirminéil; i gcás teipe, filleann an fheidhm láithreach seachas leanúint ar aghaidh le samhaltóir nach bhfuil ann.
def deployment_pipeline(
training_file: str,
validation_file: str,
version: str,
base_model: str = "gpt-5.6-luna",
hyperparams: dict = None
):
"""Píblíne iomlán: uaslódáil, traenáil, meastóireacht, taifeadadh."""
client = OpenAI()
registry = ModelRegistry()
# 1. Uaslódáil
print("Uploading data...")
train = client.files.create(file=open(training_file, "rb"), purpose="fine-tune")
val = client.files.create(file=open(validation_file, "rb"), purpose="fine-tune")
# 2. Traenáil
print("Launching fine-tuning...")
params = {"training_file": train.id, "validation_file": val.id,
"model": base_model, "suffix": version}
if hyperparams:
params["hyperparameters"] = hyperparams
job = client.fine_tuning.jobs.create(**params)
# 3. Fanacht le críochnú
import time
while True:
job = client.fine_tuning.jobs.retrieve(job.id)
if job.status in ("succeeded", "failed"):
break
time.sleep(30)
if job.status == "failed":
print(f"Failure: {job.error}")
return None
# 4. Taifeadadh
registry.record(
version=version,
model_id=job.fine_tuned_model,
job_id=job.id,
dataset_info={"train": training_file, "validation": validation_file},
hyperparams=hyperparams or {},
metrics={"trained_tokens": job.trained_tokens}
)
# 5. Sonraí a chartlannú
archive_dataset(version, [training_file, validation_file], "archives/datasets")
print(f"Pipeline complete: {job.fine_tuned_model}")
return job.fine_tuned_model
Glanadh
Tá samhaltóirí fíneáilte stóráilte ar OpenAI agus is féidir iad a scriosadh nuair nach bhfuil gá leo a thuilleadh. Tar éis dosaen athrá, éiríonn an liosta doléite agus an sórtáil de láimh contúirteach. Coinníonn an glanadh uathoibríoch thíos na trí leagan is déanaí agus ní dhéanann sé teagmháil riamh leis an gceann atá ag rith sa táirgeadh. Seachain a bheith ró-ionsaitheach: is é an leagan réamhdheireanach go díreach, a mheastar go minic a bheith gan úsáid, a shábhálfaidh tú le linn filltear.
def clean_old_models(registry: ModelRegistry, keep: int = 3):
"""Scriosann sé sean-samhaltóirí ag coinneáil na N deireanach."""
models = registry.registry["models"]
production = registry.registry["production"]
candidates = [
m for m in models
if m["version"] != production
]
to_delete = candidates[:-keep] if len(candidates) > keep else []
for m in to_delete:
try:
client.models.delete(m["model_id"])
print(f"Deleted: {m['version']} ({m['model_id']})")
except Exception as e:
print(f"Error deleting {m['version']}: {e}")
Príomhphointí
- Úsáid iarmhíreanna leaganaithe chun gach samhaltóir a aithint
- Coinnigh clár láraithe le méadrachtaí agus meiteashonraí
- Cuir meicníocht filltear tapa i bhfeidhm
- Cartlannaigh sonraí traenála le gach leagan
- Uathoibrigh an píblíne agus glan samhaltóirí sean go rialta: níos lú earráidí daonna, níos lú costais gan ghá
Tástáil do chuid eolais
Sula ndéanann tú leaganú ar do shamhaltóirí, bailígh an timthriall fíneála iomlán.
1. Cathain is uirlis cheart í an fhíneáil—agus cathain nach ea?
Freagra: Maith chun stíl, formáid, nó iompar athfhillteach a anchairiú nach mbaineann leid amach go hiontaofa; olc chun eolas úr a instealladh—is é sin ról RAG.
2. Cad a dhéanann tacar sonraí traenála ardchaighdeáin?
Freagra: Samplaí glana, comhsheasmhacha, agus ionadaíocha i bhformáid JSONL comhráiteach: buaileann cúpla céad sampla den scoth na mílte sampla torannacha.
3. Cad a thugann DPO i gcomparáid le fíneáil faoi mhaoirseacht?
Freagra: Foghlaim rogha: soláthraíonn tú péirí freagartha roghnaithe/diúltaithe, agus foghlaimíonn an tsamhaltóir “níos fearr” seachas aithris shimplí—úsáideach do thón agus do mhalartuithe míne.
4. Conas a bhailíochtaíonn tú samhaltóir fíneáilte?
Freagra: Trí é a chur i gcomparáid leis an mbun-samhaltóir ar thacar meastóireachta a choinnítear ar leithligh ón traenáil, agus ansin trí thástáil A/B ar mhéadrachtaí gnó—riamh ar impression amháin.
5. Cén fáth leaganú a dhéanamh agus pleanáil le haghaidh filltear?
Freagra: Táirgeann gach fíneáil samhaltóir dátaithe: i gcás cúlú sa táirgeadh, aistríonn tú ar ais go dtí an leagan roimhe sin láithreach—bainistítear an tsamhaltóir mar chód.
Sonraí glana, meastóireacht ionraic, leaganacha rialaithe: is disciplín innealtóireachta í an fhíneáil—thug an cúrsa seo an timthriall iomlán duit.