Guide de lecture localisé
finetuningObjectif, utilisation et source
Affinez vos modèles sur Microsoft Foundry à l'aide de SFT (apprentissage supervisé), DPO (préférence) ou RFT (renforcement avec des correcteurs). Ce guide couvre la préparation des jeux de données, la soumission des tâches d'entraînement, le déploiement et l'évaluation. UTILISATION : Affinement, SFT, DPO, RFT, données d'entraînement, correcteur, distillation, modèle affiné, tâche d'entraînement, chargement de fichiers volumineux, calibration du correcteur, déploiement du modèle affiné, évaluation du modèle affiné. NE PAS UTILISER POUR : le déploiement général de modèles sans affinement (utilisez deploy-model), la création d'agents (utilisez agents), l'optimisation des invites sans entraînement (utilisez prompt-optimizer).
Source récupérée:
- Dépôt source
- microsoft/skills
- SKILL.md
.github/plugins/azure-skills/skills/microsoft-foundry/finetuning/SKILL.md- Étoiles du dépôt
- 3,157
- Mise à jour du dépôt
- 2026-10-31
- Catégories de capacités
- Services cloud
- Dernière collecte
Licence : Fichier de licence à vérifier
Les extraits de flux de travail sont des outils de lecture et non des instructions exécutables de Codez. Aucune compétence tierce n'a été utilisée pour générer cette page.
Les passages relatifs à l'objectif et au flux de travail ci-dessous constituent le contenu original, organisé et traduit pour la lecture. Ils sont distincts de l'analyse éditoriale de Codez, qui est étiquetée séparément.
À quoi sert cette compétence ?
Affinez vos modèles sur Microsoft Foundry à l'aide de SFT (apprentissage supervisé), DPO (préférence) ou RFT (renforcement avec des correcteurs). Ce guide couvre la préparation des jeux de données, la soumission des tâches d'entraînement, le déploiement et l'évaluation. UTILISATION : Affinement, SFT, DPO, RFT, données d'entraînement, correcteur, distillation, modèle affiné, tâche d'entraînement, chargement de fichiers volumineux, calibration du correcteur, déploiement du modèle affiné, évaluation du modèle affiné. NE PAS UTILISER POUR : le déploiement général de modèles sans affinement (utilisez deploy-model), la création d'agents (utilisez agents), l'optimisation des invites sans entraînement (utilisez prompt-optimizer).
Comment fonctionne le flux de travail en amont
Quand l'utiliser
Utilisez cette sous-compétence lorsque l'utilisateur pose des questions sur : l'ajustement fin d'un modèle (SFT, DPO ou RFT), la préparation, la validation ou la mise en forme des données d'entraînement, la soumission, le suivi ou le diagnostic des tâches d'entraînement.
passage en amont · L14 ↗Réglages précis sur Microsoft Foundry
Affinez vos modèles à l'aide de SFT (apprentissage supervisé), DPO (préférence) ou RFT (renforcement par des évaluateurs). Ce document couvre la préparation des jeux de données, l'entraînement, le déploiement et l'évaluation.
passage en amont · L10 ↗Règles
Toujours établir une base de référence en premier — évaluer le modèle de base avant de l’affiner. Valider les données avant de les soumettre — exécuterscripts/validate/validate_sft.py
Configuration requise
Aucun extrait de configuration n'a été sélectionné dans ce fichier. Cela ne signifie pas que la compétence est sans dépendances. Consultez les instructions de configuration du dépôt et les fichiers référencés.
Limites et contrôles de qualité
Aucun passage de limite distinct n'a été sélectionné dans ce fichier. Cela ne signifie pas que la compétence est sûre pour toutes les entrées ou tous les environnements. Consultez le code source complet et validez vos résultats.
Commencez par un essai sans danger
- Vérifiez l'hôte pris en charge et les instructions d'installation du dépôt. Conservez le répertoire Skill ainsi que ses scripts, ressources et documentation référencés ;SKILL.mdSeul, il peut omettre les dépendances.
- Indiquez à l'agent vos paramètres d'entrée réels, le résultat souhaité et les critères d'acceptation. La syntaxe d'appel et les outils disponibles dépendent du système hôte ; ce site ne propose pas de commande d'installation universelle.
- Testez le flux de travail source dans un projet temporaire ou sur une copie. Avant d'autoriser les opérations qui modifient des fichiers, des services distants ou des ressources facturables, examinez-les attentivement.
- Vérifiez la conformité du résultat avec les contrôles qualité sources et vos propres exigences. Un déclenchement réussi ou un nombre élevé d'étoiles dans le dépôt ne garantissent pas un résultat correct.
Pour en savoir plus, consultez la source.
Compétences connexes
Traduction et étendue
Ce guide de lecture sélectionne des passages de l'amont épingléSKILL.mdCette traduction est assistée. Elle ne constitue pas un manuel complet et ne garantit pas une compatibilité testée. Veuillez lire le document original et les fichiers auxquels il fait référence avant utilisation.
Cette introduction fait référence à la version épinglée ci-dessous ; l’activité actuelle du dépôt et la durée de la collecte sont indiquées séparément.
- Source épinglée
- Lire l'original ↗
- Source récupérée
- Commit source
00d66a64919edca5bca2c673373444e36a4b5461- Source SHA-256
7a17789cb61e026a52071564b00624f2880e7b35c89fec9aa06c0dfcc8fe1e31