Ullmhaigh do Chuid Sonraí Oiliúna
Ar an leathanach seo
Nuashonrú 2 Samhain 2026 — Fáilteacht mionchoigeartaithe. Tá an tseirbhís fhéinseirbhíse mionchoigeartaithe ó OpenAI á céimniú amach: ón 7 Bealtaine 2026, ní féidir le heagraíochtaí nár úsáid riamh í post a chruthú a thuilleadh; ón 2 Iúil, caithfidh tú samhalt mionchoigeartaithe 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 samhlacha atá traenáilte cheana inúsáidte go dtí go gcuirtear an bunsamhail as feidhm. Tá an cúrsa seo fós úsáideach chun samhail atá ann cheana a thuiscint agus a shaothrú; do thionscadail nua, tabhair tosaíocht d’innealtóireacht leideanna, RAG, agus meastóireachtaí.
Tábhacht na Sonraí
Braitheann cáilíocht do shamhail mhionchoigeartaithe go díreach ar cháilíocht do chuid sonraí oiliúna. Samhail a oileantar ar shonraí dona, tiocfaidh torthaí dona aisti, beag beann ar líon na n-éabhlóidí nó na bhforpharaiméadar a roghnaítear: ní dheisíonn an oiliúint corpas, déanann sí é a mhéadú. Sin é an fáth a dtagann an ceacht seo roimh aon mheasúnacht theicniúil faoin API.
Leanfaimid an bealach fíor do thacar sonraí: cá háit le teacht air, conas na bearnaí a líonadh, cén toirt atá le díriú uirthi, agus conas gach sampla a struchtúrú sula ndéantar é a fhormáidiú mar JSONL sa chéad cheacht eile.
Foinse na Sonraí
Is é do stair féin an chéad fhoinse le scrúdú, agus is minic a dhéantar í a mheas ró-íseal. Má tá chatbot nó cúntóir á rith agat cheana, tá logaí comhrá agat ina bhfuil idirghníomhaíochtaí fíora, le foclóir do chuid úsáideoirí agus frásaíocht chliste—ábhar i bhfad níos úsáidí ná ceisteanna a cumadh i gcruinniú. Tairgeann do ticéid tacaíochta an saibhreas céanna, leis an mbónas breise go bhfuil réitigh bailíochtaithe ag deireadh an mhalartaithe. Tugann do doiciméid inmheánacha—treoracha stíle, nósanna imeachta, teimpléid freagartha—dúinn foirm na bhfreagraí a bhfuiltear ag súil leo, fiú mura dtugann siad na ceisteanna. Ar deireadh, is iad do meastóireachtaí daonna, is é sin le rá freagraí a d’fhormhuinigh nó a cheartaigh do foirne, na samplaí is luachmhaire den bhuíon, ós rud é go bhfuil breithiúnas cáilíochta acu cheana féin.
Nuair nach leor na foinse seo, is féidir leat sonraí sintéiseacha a ghiniúint chun cásanna in easnamh a chlúdach:
from openai import OpenAI
client = OpenAI()
def generate_example(topic: str, style: str) -> dict:
"""Generates a synthetic training example."""
response = client.responses.create(
model="gpt-5.6-sol",
input=f"""Generate a realistic conversation between a user
and an assistant specialized in {topic}.
The assistant must respond in a {style} style.
Format: one user message, then the ideal response."""
)
return response
Rabhadh: Ní mór sonraí sintéiseacha a fhíorú go daonna. Ná húsáid iad go dall—gineadóir a dhéanann botún ar nuansa gnó, cruthóidh sé caoga sampla bréige leis an muinín chéanna le caoga sampla ceart.
Cé mhéad sonraí atá uait?
Molann OpenAI íosmhéid de 10 sampla, ach sa chleachtas, is é 50 an t-íosmhéid absalóideach chun difríocht a fheiceáil. Idir 100 agus 500 sampla, gheobhaidh tú torthaí iontaofa. Thairis sin, tagann an gnóthachan níos mó ó éagsúlacht ná ó thoirt: ní mhúineann míle athfhrású den cheist chéanna aon rud níos mó don tsamhail ná caoga ceann a roghnaíodh go maith.
Do chuid samplaí a struchtúrú
Ní mór do gach sampla idirghníomhaíocht iomlán a léiriú, is é sin le rá gach rud a fheicfidh an tsamhail sa táirgeadh móide an freagra a bhfuiltear ag súil leis. Tá an teachtaireacht chórais roghnach: sainíonn sí ról agus srianta an chúntóra, agus má chinneann tú í a úsáid, ní mór di bheith le feiceáil i ngach ceann de do shamplaí. Cuireann an teachtaireacht úsáideora an t-iarratas mar a thagann sé i ndáiríre san áireamh, lena neamhfhoirfeachtaí. Is é an teachtaireacht chúntóra, ar deireadh, an freagra idéalach—ní freagra inghlactha, ach an ceann a bheadh tú sásta a fheiceáil á sheirbheáil do chustaiméir.
example = {
"messages": [
{
"role": "system",
"content": "You are a legal assistant specialized in French labor law."
},
{
"role": "user",
"content": "What is the notice period for a permanent contract?"
},
{
"role": "assistant",
"content": "The notice period for a permanent contract depends on your seniority and your collective bargaining agreement. As a general rule: less than 6 months seniority, the notice period is set by the collective agreement; between 6 months and 2 years, it is 1 month; beyond 2 years, it is 2 months. Always check your collective agreement, which may provide for different durations."
}
]
}
Dea-chleachtais Ullmhúcháin
Éilíonn éagsúlacht iarracht dheaonach. Clúdaigh gach cás úsáide atá dírithe agat, cuimsigh cásanna imeallacha agus ceisteanna débhríocha, athraigh fad na gceisteanna agus na bhfreagraí, agus déan ionadaíocht ar leibhéil éagsúla deacrachta. Cruthaíonn corpas atá comhdhéanta de cheisteanna éasca amháin samhail a mheabhróidh ag an gcéad iarratas casta.
Is é comhsheasmhacht an srian contrártha, agus tá sé chomh tábhachtach céanna. Ní mór do gach freagra leanúint an stíl agus an fhormáid chéanna; má úsáideann tú teachtaireacht chórais, bain úsáid aisti i ngach sampla; agus ní mór do na freagraí a bheith mar a bhfuiltear ag súil leo i ndáiríre sa táirgeadh, ní leaganacha snasta a cruthaíodh don ócáid. Foghlaimeoidh an tsamhail meán an rud a thaispeánann tú di, luíochtaí san áireamh.
Ar deireadh, tá an roinnt oiliúna/bailíochtaithe. Má chuireann tú 20% de na samplaí ar leataobh roimh oiliúint, is é sin a ligfidh duit, níos déanaí, a fháil amach an bhfuair do shamhail foghlama nó an ndearna sí ach meabhrú. Déan é uair amháin, sábháil an dá chomhad, agus ná meascaigh iad arís riamh.
import json
import random
# Load your data
with open("complete_data.jsonl", "r") as f:
examples = [json.loads(line) for line in f]
# Shuffle
random.shuffle(examples)
# Split 80/20
split = int(len(examples) * 0.8)
train = examples[:split]
validation = examples[split:]
# Save
for name, data in [("train.jsonl", train), ("validation.jsonl", validation)]:
with open(name, "w") as f:
for ex in data:
f.write(json.dumps(ex, ensure_ascii=False) + "\n")
print(f"Train: {len(train)} examples, Validation: {len(validation)} examples")
Príomhphointí
- Cáilíocht thar chainníocht—tá 100 sampla den scoth níos fearr ná 1,000 sampla measartha
- Fíoraigh do chuid sonraí sintéiseacha de láimh
- Cuir tacar bailíochtaithe (20%) ar leataobh i gcónaí chun meastóireacht oibiachtúil a dhéanamh
- Cinntigh comhsheasmhacht stíle agus formáide ar fud do chuid samplaí go léir