Monitorizarea antrenamentului
Pe această pagină
Actualizare 2 noiembrie 2026 — Disponibilitatea fine-tuning-ului. Serviciul de fine-tuning self-service oferit de OpenAI este în curs de eliminare: începând cu 7 mai 2026, organizațiile care nu l-au utilizat niciodată nu mai pot crea job-uri; din 2 iulie, trebuie să fi folosit un model ajustat (fine-tuned) în ultimele 60 de zile; iar începând cu 6 ianuarie 2027, niciun client nu va mai putea lansa job-uri noi. Modelele deja antrenate rămân utilizabile până la retragerea modelului lor de bază. Acest curs rămâne util pentru înțelegerea și exploatarea unui model existent; pentru proiecte noi, prioritizați ingineria prompt-urilor, RAG și evaluările.
De ce să monitorizați antrenamentul
Lansarea unui job de fine-tuning și uitarea acestuia vă lasă cu un fapt împlinit: peste o oră, descoperiți un model fără a ști ce s-a întâmplat între timp. Prin observarea metricilor în timp ce antrenamentul rulează, depistați problemele devreme, decideți să ajustați hiperparametrii înainte de a epuiza întregul buget și, mai presus de toate, înțelegeți de ce o execuție a performant mai bine decât alta. Monitorizarea transformă o serie de încercări într-o disciplină inginerească.
Cele două metrici de citit
Pierderea la antrenament (Training loss) măsoară cât de greșit se comportă modelul pe datele de antrenament — chiar datele pe care le ingerează în acel moment. Aceasta ar trebui să scadă pe parcursul pașilor: acesta este semnul că învățarea are loc. O pierdere care stagnează sau crește din nou indică o problemă, de obicei o rată de învățare slab calibrată sau un corpus prea eterogen.
Pierderea la validare (Validation loss) măsoară performanța pe date pe care modelul nu le-a văzut niciodată în timpul antrenamentului — fișierul pus deoparte în timpul divizării. Aceasta este cea mai fiabilă metrică pentru evaluarea calității reale a modelului dumneavoastră, deoarece este singura pe care modelul nu o poate îmbunătăți prin memorare. Evoluția lor comună oferă diagnosticul.
| Pierdere la antrenament | Pierdere la validare | Diagnostic |
|---|---|---|
| În scădere | În scădere | Totul este în regulă, continuați |
| În scădere | În creștere | Supraadaptare (overfitting) — reduceți epocile |
| Stagnare | Stagnare | Subadaptare (underfitting) — creșteți rata de învățare |
| Oscilare | Oscilare | Instabilitate — reduceți rata de învățare |
Al doilea rând este cel care costă cel mai mult în producție: o pierdere la antrenament care continuă să scadă în timp ce pierderea la validare crește din nou descrie un model care vă memorează exemplele cuvânt cu cuvânt. Pe hârtie, totul pare să se îmbunătățească; în realitate, fiecare pas suplimentar degradează capacitatea sa de a răspunde la o întrebare pe care nu a mai văzut-o.
Urmărirea evenimentelor prin API
API-ul nu trimite notificări push: trebuie să interogați job-ul la intervale regulate. Bucla de mai jos preia evenimentele noi, le afișează în ordine cronologică evitând reafișarea celor deja văzute și returnează controlul imediat ce job-ul atinge o stare terminală.
from openai import OpenAI
import time
client = OpenAI()
def monitor_job(job_id: str):
"""Monitorează un job în timp real."""
last_event = None
while True:
job = client.fine_tuning.jobs.retrieve(job_id)
# Preluare evenimente noi
events = client.fine_tuning.jobs.list_events(
fine_tuning_job_id=job_id,
limit=50
)
for event in reversed(events.data):
if last_event and event.id == last_event:
continue
print(f"[{event.created_at}] {event.message}")
if events.data:
last_event = events.data[0].id
if job.status in ("succeeded", "failed", "cancelled"):
print(f"\nJob finished: {job.status}")
if job.status == "succeeded":
print(f"Model: {job.fine_tuned_model}")
return job
time.sleep(30)
# Utilizare
job = monitor_job("ftjob-xxxxxxxxxxxxxxxx")
Evenimentele nu conțin doar mesaje text: ele poartă și valori ale pierderii la fiecare pas. Extragearea lor vă permite să trasați o curbă în loc să citiți linii de jurnal, iar pe o curbă depistați dintr-o privire un vârf al pierderii la validare.
def extract_metrics(job_id: str) -> dict:
"""Extrage metricile de pierdere dintr-un job finalizat."""
events = client.fine_tuning.jobs.list_events(
fine_tuning_job_id=job_id,
limit=200
)
training_losses = []
validation_losses = []
for event in events.data:
data = event.data
if data and "train_loss" in str(data):
training_losses.append(data)
if data and "valid_loss" in str(data):
validation_losses.append(data)
return {
"training": training_losses,
"validation": validation_losses
}
Puncte de control și rezultate intermediare
OpenAI salvează puncte de control (checkpoints) în timpul antrenamentului. Dacă job-ul eșuează sau îl anulați, puteți uneori recupera un punct de control intermediar utilizabil — cu alte cuvinte, o execuție întreruptă nu este neapărat o execuție pierdută. Aceasta este, de asemenea, o soluție valoroasă în cazul unei supraadaptări tardive: punctul de control preluat înainte de vârful pierderii la validare poate fi mai bun decât modelul final.
# Listare puncte de control pentru un job
checkpoints = client.fine_tuning.jobs.checkpoints.list(
fine_tuning_job_id=job.id
)
for cp in checkpoints.data:
print(f"Step {cp.step_number}")
print(f" Model: {cp.fine_tuned_model_checkpoint}")
if cp.metrics:
print(f" Training loss: {cp.metrics.train_loss:.4f}")
if hasattr(cp.metrics, "valid_loss"):
print(f" Validation loss: {cp.metrics.valid_loss:.4f}")
Când să opriți antrenamentul
Trei semnale justifică întreruperea unei execuții de antrenament în curs. Primul este o pierdere la validare care crește de mai mulți pași, nu doar unul: o valoare izolată este zgomot, o tendință pe cinci puncte indică supraadaptare. Al doilea este o pierdere la antrenament apropiată de zero, ceea ce înseamnă că modelul reproduce exemplele dumneavoastră ad litteram și nu mai are nimic de învățat de la ele. Al treilea este mai prozaic: testele dumneavoastră nu se îmbunătățesc de la un punct de control la altul, iar fiecare pas suplimentar doar mărește factura.
# Dacă detectați o problemă, anulați job-ul
client.fine_tuning.jobs.cancel(job.id)
print("Job cancelled. Adjust your data or hyperparameters and relaunch.")
Un raport sumar per execuție
Încheiați fiecare sesiune de antrenament prin producerea unui registru acționabil. Funcția următoare grupează într-un singur output ID-ul job-ului, modelul de bază, epocile utilizate, numărul de tokeni antrenați și metricile din ultimul punct de control. Lipiți aceste rapoarte în jurnalul execuțiilor dumneavoastră: peste o lună, ele vă vor spune de ce ați păstrat această versiune și nu alta.
def job_report(job_id: str):
"""Generează un raport sumar pentru job."""
job = client.fine_tuning.jobs.retrieve(job_id)
print("=" * 50)
print(f"Job: {job.id}")
print(f"Base model: {job.model}")
print(f"Status: {job.status}")
print(f"Epochs: {job.hyperparameters.n_epochs}")
if job.status == "succeeded":
print(f"Fine-tuned model: {job.fine_tuned_model}")
print(f"Trained tokens: {job.trained_tokens}")
if job.status == "failed":
print(f"Error: {job.error}")
# Puncte de control
checkpoints = client.fine_tuning.jobs.checkpoints.list(
fine_tuning_job_id=job_id
)
if checkpoints.data:
latest = checkpoints.data[0]
print(f"Latest checkpoint: step {latest.step_number}")
if latest.metrics:
print(f" Train loss: {latest.metrics.train_loss:.4f}")
print("=" * 50)
job_report("ftjob-xxxxxxxxxxxxxxxx")
Puncte cheie
- Monitorizați întotdeauna pierderea la validare — este adevăratul indicator al calității
- Dacă pierderea la validare crește, aveți supraadaptare: reduceți epocile
- Punctele de control vă permit să recuperați o stare intermediară
- Automatizați monitorizarea pentru job-urile de lungă durată
- Documentați metricile fiecărei execuții pentru a compara iterațiile