Hipearpharaiméadair: Eapócaí, Ráta Foghlama, Méid an Bhaisc
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 nach ndearna riamh post mionchoigeartaithe ceann nua a chruthú; ón 2 Iúil, caithfidh tú múnla mionchoigeartaithe a bheith úsáidte agat laistigh de na 60 lá seo caite; agus ón 6 Eanáir 2027, ní bheidh aon chustaiméir in ann poist nua a sheoladh. Fanfaidh múnlaí atá oilithe cheana inúsáidte go dtí go gcuirfear deireadh lena mbunmhúnla. Fanann an cúrsa seo úsáideach chun múnla atá ann cheana a thuiscint agus a shaothrú; do thionscadail nua, tabhair tosaíocht d’innealtóireacht leideanna, RAG, agus meastóireachtaí.
Ról na hipearpharaiméadar
Déanann do chuid sonraí cur síos ar cad ba chóir don mhúnla a fhoghlaim; déanann hipearpharaiméadair cur síos ar conas a fhoghlaimíonn sé. Go réamhshocraithe, roghnaíonn OpenAI luachanna réasúnacha go huathoibríoch bunaithe ar mhéid do thacair shonraí, agus do chéad phost, is é sin an beart ceart. Ach nuair a bhíonn feidhmíocht mhíshásúil ag múnla in ainneoin corpais ghlan, is ar na socruithe seo a bhíonn an difríocht beagnach i gcónaí, agus is féidir leo a bheith á gcoigeartú de láimh feabhas suntasach a chur ar na torthaí.
Líon na n-eapócaí
Is pas iomlán amháin trí do thacar oiliúna sonraí ar fad é eapóca. Dá mhéad eapóca a ritheann tú, is amhlaidh is mó uaireanta a fheiceann an múnla gach sampla, agus is amhlaidh is mó mionsonraí a choinníonn sé. Má bhíonn ró-bheag eapócaí ann, níor fhoghlaim an múnla go leor: is é seo mí-oiriúnú, agus fós cosúil le freagraí ón mbunmhúnla a bheidh do chuid freagraí. Má bhíonn ró-mhór eapócaí ann, déanann sé na samplaí a mheabhrú in ionad ginearálú: is é seo ró-oiriúnú, agus déanann an múnla do chéad chéad freagra oiliúna a athrá chomh luath agus a bhíonn ceist cosúil go vag leo, agus titim as a chéile ar fhrásáil nach bhfaca sé riamh.
job = client.fine_tuning.jobs.create(
training_file=training_file.id,
model="gpt-5.6-luna",
hyperparameters={
"n_epochs": 3
}
)
Braitheann an socrú ceart go díreach ar do mhéid sonraí: dá lú samplaí atá agat, is amhlaidh is mó uaireanta a theastaíonn uait pas a dhéanamh orthu chun go ngreamóidh an comhartha.
| Méid an tacair shonraí | Eapócaí molta | Fáth |
|---|---|---|
| 50–100 sampla | 4–8 | Beagán sonraí, teastaíonn níos mó pasanna |
| 100–500 sampla | 2–4 | Cothromaíocht mhaith idir foghlaim agus ginearálú |
| 500+ sampla | 1–2 | Dóthain sonraí, riosca ró-oiriúnaithe |
An t-iolraitheoir ráta foghlama
Rialaíonn an ráta foghlama méid na gcoigeartuithe a chuirtear i bhfeidhm ar mheáchain an mhúnla ag gach céim oiliúna. Má shocraítear ró-ard é, déanann an múnla ceartúcháin ró-ionsaitheacha ag gach céim, luascann sé timpeall ar an bhfreagra ceart, agus teipeann air teacht le chéile; má shocraítear ró-íseal é, foghlaimíonn sé go mall an-mhall, nó gan ar chor ar bith, rud a fhágann múnla ag deireadh na hoiliúna atá beagnach mar an gcéanna leis an gceann tosaigh.
job = client.fine_tuning.jobs.create(
training_file=training_file.id,
model="gpt-5.6-luna",
hyperparameters={
"learning_rate_multiplier": 1.8
}
)
Ríomhtar an luach réamhshocraithe go huathoibríoch ag OpenAI bunaithe ar mhéid do thacair shonraí. Go praiticiúil, oireann an raon 1.0–2.0 don iompraíocht réamhshocraithe seo agus oiriúnann sé do chuid is mó cásanna. Má thiteann tú go 0.5–1.0, déantar an fhoghlaim níos faiceallaí, rud a chabhraíonn ar thacair shonraí beaga áit ar féidir le cúpla sampla neamhghnách an múnla a tharraingt ró-fhada ón mbóthar. Má théann tú os cionn 2.0, faigheann tú foghlaim ionsaitheach, atá in áirithe do chásanna ina bhfaca tú nach bhfuil an múnla ag bogadh go leor — agus ba chóir é a sheiceáil láithreach i gcoinne an chaillteanais bailíochtaithe.
Méid an bhaisc
Cinneann méid an bhaisc cé mhéad sampla a phróiseáiltear le chéile sula ndéantar meáchain an mhúnla a nuashonrú. Cruthaíonn baisc bheaga nuashonruithe minice: tá an fhoghlaim níos torannaí, le gach sampla ag meáchan go mór sa cheartúchán, ach tá sí níos freagraí freisin. Déanann baisc mhóra meán ar níos mó samplaí roimh gach ceartúchán, rud a fhágann nuashonruithe níos lú minice agus foghlaim níos cobhsaí — is é seo an luamhán le tarraingt nuair a bhíonn do chuarraí ag crith gan chúis shoiléir.
job = client.fine_tuning.jobs.create(
training_file=training_file.id,
model="gpt-5.6-luna",
hyperparameters={
"batch_size": 4
}
)
Ní gá duit iad seo a thionó go leithleach: téann na trí pharaiméadar go léir isteach san fhrithcheap céanna.
job = client.fine_tuning.jobs.create(
training_file=training_file.id,
validation_file=validation_file.id,
model="gpt-5.6-luna",
suffix="optimise-v2",
hyperparameters={
"n_epochs": 3,
"learning_rate_multiplier": 1.5,
"batch_size": 4
}
)
Modh optamaithe
Is é an botún clasaiceach ná na trí luach a athrú ag an am céanna, feabhas a fheiceáil, agus gan a fhios agat cén ceann a d’fhág é. Lean an t-ord seo:
- Céad rith: fág na luachanna ag an réamhshocrú (uathoibríoch)
- Déan anailís ar an gcaillteanas: má théann caillteanas na hoiliúna síos ach má théann caillteanas an bhailíochtaithe suas, tá tú ag déanamh ró-oiriúnaithe
- Coigeartaigh paraiméadar amháin ag an am: ná hathraigh gach rud ag an am céanna riamh
- Déan doiciméadú ar gach rith: tabhair faoi deara na hipearpharaiméadair agus na torthaí
Ní páipéarachas amháin atá sa loga seo. Faoin tríú nó ceathrú rith, buaileann tábla a nascann ID poist, na hipearpharaiméadair a úsáideadh, agus an toradh a breathnaíodh do chuimhne gach uair. Seo mar a léann tú na comharthaí is coitianta.
| Comhartha a breathnaíodh | Ceartúchán le triail a bhaint as |
|---|---|
| Ní théann caillteanas na hoiliúna síos | Méadaigh an ráta foghlama nó líon na n-eapócaí |
| Téann caillteanas an bhailíochtaithe suas | Laghdaigh líon na n-eapócaí, méadaigh méid an bhaisc |
| Torthaí éagobhsaí | Laghdaigh an ráta foghlama |
| Múnla ró-chosúil leis an mbunmhúnla | Méadaigh líon na n-eapócaí |
An luach “uathoibríoch”
Mura sonraíonn tú hipearpharaiméadar, roghnaíonn OpenAI luach optamach go huathoibríoch. Mar sin, ní gá duit gach rud a líonadh isteach riamh: socraigh an rud atá uait a rialú, agus fág an chuid eile faoi thionó uathoibríoch. Is é seo go minic an pointe tosaigh is fearr, agus tugann sé bonnlíne duit chun do chuid coigeartuithe ina dhiaidh sin a chur i gcomparáid leo.
# Níl ach n_epochs socraithe; tá an chuid eile uathoibríoch
job = client.fine_tuning.jobs.create(
training_file=training_file.id,
model="gpt-5.6-luna",
hyperparameters={
"n_epochs": 3
# Beidh learning_rate_multiplier agus batch_size uathoibríoch
}
)
Príomhphointí
- Tosaigh i gcónaí le luachanna réamhshocraithe (uathoibríoch) sula ndéanann tú coigeartuithe
n_epochs: coigeartaigh ar dtús, bunaithe ar mhéid do shonraílearning_rate_multiplier: coigeartaigh má tá an teacht le chéile ró-mhall nó ró-éagobhsaíbatch_size: coigeartaigh má tá an oiliúint torannach- Ní athraigh ach hipearpharaiméadar amháin ag an am chun a thionchar a thuiscint
- Úsáid comhad bailíochtaithe i gcónaí chun ró-oiriúnú a bhrath