OpenAI API の ファインチューニングガイド｜npaka

1. ファインチューニングの利点ファインチューニングの利点は、次のとおりです。 (1) プロンプトよりも高品質な応答 (2) プロンプトに収まりきらないより多くの例の適用 (3) プロンプトの短縮によるトークン数 (コスト) の節約 (4) プロンプトの短縮による処理時間の短縮 モデルは膨大な量のテキストで事前学習されており、このモデルを効果的に利用するため、プロンプトに手順や応答の例を指定する手法が使われます。この例を使用してタスクの実行方法を示すことを「Few-Shot」と呼びます。 ファインチューニングで、プロンプトに収まりきらないより多くの例で学習することにより、さまざまなタスクでより良い結果を達成できるようになります。プロンプトに多くの例を指定する必要はなくなります。これによりトークン (コスト) が節約され、処理時間も短縮されます。 2. ファインチューニングの使用料金ファイン

[isrc]

ファインチューニングはモデルを改善できますが、時間と労力がかかります。まずは、「プロンプトエンジニアリング」、「プロンプトチェーン」、「Function Calling」を使用することををお勧めします。

[misshiki]

公式APIドキュメントの日本語まとめ。ありがたい。

[eagleyama]

ハヤ

[shields-pikes]

さすが。しっかり読む。

[kastro-iyan]

後でやる（できる限りすぐ）

[y-kawaz]

参考になる

[yarumato]

“プロンプトに手順や応答の例を指定する手法があるが、ファインチューニングで、より多くの例で学習すると、プロンプトに例を多く指定する必要はなくなり、トークン(＝費用)節約、処理時間も短縮”

[canadie]

npnaka さん速い。汎用会話エンジンではなく特定のタスク（分類・感情分析など）を高速で回したいケースで威力を発揮しそう

[naggg]

はええ

[NacK]

OPPAIに見えた訴訟

[takaya030]

ファインチューニング

[stealthinu]

OpenAIのファインチューニングについてのガイドをnpakaさんがもうまとめてる。ファインチューニングを使うべきか、というところも参考になる。