Обучение моделей

Обучение моделей (Fine-tuning)

Ограничение: Функция тонкой настройки моделей требует работающего inference-бэкенда. В текущей версии бэкенд недоступен — форма видна, но обучение не запускается.

Тонкая настройка (fine-tuning) — это процесс дообучения готовой AI-модели на ваших собственных данных, чтобы улучшить её работу в конкретной предметной области или под определённый стиль ответов. Вместо того чтобы создавать модель с нуля, вы берёте мощную базовую модель и адаптируете её под вашу задачу с помощью набора примеров.

Документация с ограничением

Вся документация по обучению моделей в этом разделе содержит предупреждение о текущем ограничении платформы, выделенное оранжевым баннером. Формы и интерфейс обучения доступны в пользовательском дашборде, но фактический запуск обучения невозможен до подключения работающего inference-бэкенда.

Ниже описано, что доступно в интерфейсе платформы и как подготовиться к обучению, когда функция заработает.

Доступные типы обучения

Arka AI предоставляет интерфейс для двух типов тонкой настройки:

Обучение текстовых моделей — fine-tuning языковых моделей на текстовых данных: диалоги, инструкции, специализированные тексты.
Обучение моделей изображений — fine-tuning моделей генерации изображений на наборах изображений с подписями или стилевых референсах.

Оба типа доступны через единую точку входа в дашборде: /{ваш_username}/dashboard/training.

Необходимые данные

Качество тонкой настройки напрямую зависит от качества обучающих данных. Вот минимальные требования:

Текстовое обучение: от 100 до нескольких тысяч примеров в формате JSON Lines (JSONL), где каждая строка — это объект с полями messages (диалог), prompt/completion (пара «запрос-ответ») или instruction/input/output (инструкция).
Обучение изображений: от 20 до нескольких сотен пар «изображение + текстовое описание», упакованных в архив. Изображения должны быть в форматах PNG, JPEG или WebP.

Данные должны быть репрезентативны для задачи, которую вы хотите решать. Избегайте дубликатов, противоречивых примеров и данных низкого качества — это ухудшит результат обучения.

Процесс обучения (когда бэкенд заработает)

Стандартный процесс тонкой настройки выглядит так:

Подготовка данных — сбор и форматирование обучающего набора.
Загрузка данных — размещение данных в разделе «Датасеты» платформы.
Выбор базовой модели — выбор модели, которую вы будете дообучать (из каталога Arka AI).
Настройка параметров — указание количества эпох, learning rate и других гиперпараметров.
Запуск обучения — отправка задачи на GPU-кластер.
Мониторинг — отслеживание прогресса и метрик в дашборде.
Тестирование — проверка результатов на отложенных примерах.

В текущей версии вы можете выполнить шаги 1-4 (подготовка данных и настройка параметров через форму), но запуск обучения (шаг 5) недоступен.

Стоимость

Обучение моделей тарифицируется по времени использования GPU-инстанса. Ориентировочные ставки и примеры расчёта стоимости приведены на странице Стоимость обучения.

Вся документация этого раздела содержит предупреждение о статусе функции. Следите за обновлениями платформы.