OpenAI发布全新微调API ：ChatGPT支持更详细可视化微调
▼
4月5日凌晨，OpenAI在官网宣布新增6个全新微调API功能，以扩展自定义模型，帮助企业、开发人员更好地构建特定领域、精细化的ChatGPT应用。
这些功能包括：基于Epoch的检查点创建、Playground新功能、第三方集成、全面验证指标、超参数配置和更详细的微调仪表板改进。
新的微调API功能适用于GPT-4/Turbo、GPT-3.5等系列模型。
详细微调API教程：https://platform.openai.com/docs/guides/fine-tuning
目录
微调API6个新功能介绍
2023年8月22日，OpenAI首次推出了基于GPT-3.5 Turbo的微调API功能，使企业、开发人员可以使用自己的数据，结合业务用例构建专属ChatGPT。
经过几个月的时间，全球数千个组织借助OpenAI的微调API功能，训练了数十万个自定义模型实现降本增效。
例如，全球知名招聘平台Indeed希望新增一项功能，向求职者发送个性化推荐，根据求职者的技能、经验和偏好突出显示相关工作。
Indeed通过GPT-3.5 Turbo 进行了微调，生成了高质量和更准确的个性化推荐。每月向求职者发送的消息也从最初不到100万条，大幅度增加到大约2000万条。
今天，OpenAI推出了6个新的微调API功能，以帮助开发人员更好地使用微调。
基于Epoch的检查点创建：在深度学习模型的训练过程中，基于Epoch的检查点创建是一项非常重要的功能。每个Epoch结束时或者在特定的Epoch间隔时，系统会自动保存当前模型的状态，包括模型的参数（权重和偏置）和优化器的状态。
如果训练过程因为意外原因（比如硬件故障、电源中断等）被中断，检查点允许我们从最后保存的状态恢复训练，而不是从头开始。
所以，OpenAI新增的基于 Epoch 的检查点创建功能，可以极大减少模型的重复训练，尤其是在过度拟合的情况下。
Comparative Playground：Playground是OpenAI在2022年发布的一个可视化模型比较平台，提供了一个交互式的在线环境，允许用户输入指令或提示词，然后将其发送给多个语言模型查看它们的输出结果。
本次，OpenAI新增一个并排的Playground UI，用于比较不同模型质量和性能，同时允许对多个模型的输出进行人工评估或根据单个提示微调快照。
第三方集成：新的微调支持与第三方平台集成，让开发人员与堆栈的其余部分共享详细的微调数据。
全面验证指标：能够计算整个验证数据集（而不是采样批次）的损失和准确性等指标，从而更好地了解模型质量。
超参数配置：可以从仪表板配置可用的超参数，而不仅仅是通过API或SDK。
微调仪表板改进：包括配置超参数、查看更详细的训练指标以及从以前的配置重新运行作业等功能。这也就是说，开发人员在微调的过程中可以掌控更详细、直观的微调数据。
什么是微调？
微调（Fine-tuning）是一种在预训练大模型的基础上，进一步优化和调整模型参数的技术，使模型更好地适应特定业务场景。这个过程中，模型的参数会进行微小的调整。
微调的主要流程包括：
初始化，使用预训练语言模型的参数对新模型进行初始化；添加输出层，根据下游任务的目标(文本生成、内容摘要等)在预训练模型的顶层添加相应的输出层；微调训练，使用带标注的私有数据，以较小的学习率对整个模型进行训练，直至模型在验证集上的指标达到理想效果。
例如，我们希望GPT3.5模型在法律业务上的表现更好、更专业，可以用海量法律数据集对模型进行微调。经过微调，模型学习到如何更好地解读、生成和预测法律问题。
如何进行微调？
1、准备数据，创建一组多样化的演示对话，类似于要求模型在实际输出中的对话。数据集中的每个示例都应该与OpenAI的聊天完成 API 格式相同的对话，特别是消息列表，其中每条消息都有角色、内容和可选名称。
2、上传文件
3、创建微调作业，使用 OpenAI SDK开始进行大规模数据训练、微调。训练模型可能需要几分钟或几小时，具体取决于模型和数据集大小。
模型训练完成后，创建微调作业的用户将收到一封确认电子邮件。
除了创建微调作业外，开发者还可以列出现有作业、检索作业状态或取消作业。
4、使用微调模型，微调作业完成后模型可以投入使用了。
在某些情况下，用户的微调模型可能需要几分钟才能准备好处理请求。如果对模型的请求超时或找不到模型名称，可能是因为模型仍在加载中，可在几分钟后重试。
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
