Ipprepara d-Data tat-Taħriġ Tiegħek
F'din il-paġna
Aġġornament 2 ta’ Novembru, 2026 — Disponibbiltà tal-Fine-tuning. Is-servizz awtonomu ta’ fine-tuning ta’ OpenAI qed jiġi rtirat gradwalment: mill-7 ta’ Mejju, 2026, l-organizzazzjonijiet li qatt ma użawh ma jistgħux joħolqu aktar kompiti; mill-2 ta’ Lulju, trid tkun użajt mudell imħarreġ (fine-tuned) fl-aħħar 60 jum; u mill-6 ta’ Jannar, 2027, l-ebda klijent ma jkun jista’ jnieda kompiti ġodda. Il-mudelli diġà mħarrġa jibqgħu użabbli sakemm il-mudell bażi tagħhom jiġi rtirat. Dan il-kors jibqa’ utli biex tifhem u tisfrutta mudell eżistenti; għal proġetti ġodda, agħti prijorità lill-inġinerija tal-prompt (prompt engineering), lill-RAG, u lill-evalwazzjonijiet.
L-Importanza tad-Data
Il-kwalità tal-mudell imħarreġ tiegħek tiddependi direttament mill-kwalità tad-data tat-taħriġ tiegħek. Mudell imħarreġ fuq data ħażina se jipproduċi riżultati ħżiena, irrispettivament min-numru ta’ epoki jew l-ipparametrar (hyperparameters) magħżul: it-taħriġ ma jfixkitx korp ta’ test, iżda jkabbru. Għalhekk din il-lezzjoni tiġi qabel kwalunkwe kunsiderazzjoni teknika dwar l-API.
Se nsegwu l-mogħdija reali ta’ sett ta’ data: fejn issibuha, kif timla dak li jonqos, liema volum għandek timmira lejh, u kif tistruttura kull eżempju qabel ma tiffurmattjah bħala JSONL fil-lezzjoni li jmiss.
Sorsi tad-Data
L-ewwel sors li għandek tesplora huwa l-istorja tiegħek stess, u kważi dejjem tiġi sottovalutata. Jekk diġà tmexxi chatbot jew assistent, il-logs tal-konversazzjonijiet tiegħek fihom interazzjonijiet reali, bil-vokabolarju tal-utenti tiegħek u l-frażijiet mhux tas-soltu—materjal ferm aktar utli minn mistoqsijiet inventati f’laqgħa. It-tickets tas-support tiegħek joffru l-istess rickezza, bil-bonus miżjud ta’ soluzzjonijiet ivvalidati fit-tmiem l-iskambju. Id-dokumenti interni tiegħek—gwidi tal-istil, proċeduri, mudelli ta’ tweġibiet—jagħtuk il-forma mistennija tat-tweġibiet, jekk mhux il-mistoqsijiet. Fl-aħħar nett, l-evalwazzjonijiet umani tiegħek, jiġifieri tweġibiet li t-timijiet tiegħek ivvalidaw jew ikkoreġew, huma l-eżempji l-aktar prezzjużi kollha, peress li diġà ġġorru ġudizzju ta’ kwalità.
Meta dawn is-sorsi ma jkunux biżżejjed, tista’ tiġġenera data sintetika biex tkopri każijiet nieqsa:
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
Twissija: Id-data sintetika trid tiġi vverifikata minn bniedem. Tużahiex blindament—ġeneratur li jitlef nuansa tan-negozju se jipproduċi ħamsin eżempju falz bl-istess kunfidenza bħal ħamsin korrett.
Kemm Data Għandek Bżonn?
OpenAI tirrakkomanda minimu ta’ 10 eżempji, iżda fil-prattika, 50 huwa l-minimu assolut biex tosserva differenza. Bejn 100 u 500 eżempju, se tikseb riżultati affidabbli. Lil hinn minn hekk, il-gwadann jiġi inqas mill-volum u aktar mid-diversità: elf riformulazzjoni tal-istessa mistoqsija ma tgħallimx lill-mudell aktar minn ħamsin magħżula sew.
Kif Tistruttura l-Eżempji Tiegħek
Kull eżempju għandu jirrappreżenta interazzjoni sħiħa, jiġifieri kollox dak li l-mudell se jara fil-produzzjoni flimkien mat-tweġiba li tistenna. Il-messagg tas-sistema huwa fakultattiv: jiddefinixxi r-rwol u l-vincoli tal-assistent, u jekk tiddeċiedi li tużah, irid jidher fl-eżempji kollha tiegħek. Il-messagg tal-utent fih it-talba kif tasal fil-fatt, bl-imperfezzjonijiet tagħha. Il-messagg tal-assistent, fl-aħħar nett, huwa t-tweġiba ideali—mhux waħda aċċettabbli, iżda dik li tkun kuntent tara sservi lil klijent.
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."
}
]
}
L-Aħjar Prattiki għall-Preparazzjoni
Id-diversità teħtieġ sforz deliberat. Kopri l-każijiet ta’ użu kollha li qed timmira lejh, inkludi każijiet limitu (edge cases) u mistoqsijiet ambigwi, ivvara t-tul tal-mistoqsijiet u t-tweġibiet, u irrappreżenta livelli differenti ta’ diffikultà. Korp magħmul biss minn mistoqsijiet faċli jipproduċi mudell li jitħarħar fl-ewwel talba mħawda.
Il-konsistenza hija l-vinċolu invers, u daqstant importanti. It-tweġibiet kollha għandhom isegwu l-istess stil u format; jekk tuża messagg tas-sistema, użah f’kull eżempju; u t-tweġibiet għandhom ikunu dak li tassew tistenna fil-produzzjoni, mhux verżjonijiet imleqqqa maħluqa għall-okkażjoni. Il-mudell se jitgħallem il-medja ta’ dak li turih, inklużi l-esitazzjonijiet.
Fl-aħħar nett, hemm il-qsim bejn it-taħriġ u l-validazzjoni (train/validation split). Li tħalli barra 20% tal-eżempji qabel it-taħriġ huwa dak li se jippermettilek, aktar tard, tkun taf jekk il-mudell tiegħek tgħallemx jew sempliċiment memorizzax. Agħmelha darba, salva ż-żewġ fajls, u tħallithomx jerġgħu jitħalltu.
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")
Punti Ewlenin
- Il-kwalità fuq il-kwantità—100 eżempju eċċellenti huma aħjar minn 1,000 medjokri
- Ivvverifika manwalment id-data sintetika tiegħek
- Dejjem ħalli barra sett ta’ validazzjoni (20%) biex tevalwa b’mod oġġettiv
- Żgura l-konsistenza tal-istil u l-format fl-eżempji kollha tiegħek