' foundation model '을 ' Tuning Studio '로 조정하여 AI ' foundation model '이 유용한 출력을 반환하도록 안내합니다.

필수 권한

튜닝 실험을 실행하려면 프로젝트에서 Admin 또는 Editor 역할이 있어야 합니다.

Tuning Studio 는 모든 플랜 또는 모든 데이터 센터에서 사용할 수 없습니다. ' watsonx.ai 런타임 계획 ' 및 ' 서비스 및 기능의 지역별 가용성'를 참조하세요.

필수 자격 증명

작업 자격 증명

데이터 형식

표 형식: JSON, JSONL

데이터 크기

50-10 ,000개 입력 및 출력 예제 쌍. 최대 파일 크기는 200MB입니다.

Tuning Studio 사용하여 기존 foundation model 튜닝된 버전을 만들 수 있습니다.

기반 모델은 인터넷 및 기타 공용 자원에서 테라바이트 단위의 데이터에 대해 사전 훈련된 AI 모델입니다. 그들은 다음 최고의 단어를 예측하고 언어를 만들어 내는 능력에서 독보적인 존재입니다. 언어 생성은 브레인스토밍 및 창의성을 자극하는 데 유용할 수 있지만, 기초 모델은 일반적으로 구체적인 태스크를 달성하기 위해 안내되어야 합니다. 모델 튜닝 및 기타 기술 (예: 검색 기능 보강 생성) 을 사용하면 비즈니스에 의미 있는 방식으로 기초 모델을 사용할 수 있습니다.

Tuning Studio 사용하면 분류, 요약, 생성과 같은 자연어 처리 작업에서 더 작은 foundation model 튜닝하여 성능을 향상시킬 수 있습니다. 튜닝을 통해 작은 foundation model 같은 모델군의 대형 모델과 비슷한 결과를 얻을 수 있습니다. 더 작은 모델을 튜닝하고 배치하여 장기 추론 비용을 줄일 수 있습니다.

프롬프트 엔지니어링과 마찬가지로 foundation model 조정하면 foundation model 출력의 콘텐츠와 형식에 영향을 줄 수 있습니다. foundation model 추론하는 단계를 비즈니스 워크플로에 연결하려면 기초 foundation model 무엇을 기대할 수 있는지 아는 것이 필수적입니다.

다음 다이어그램은 foundation model 조정하여 모델이 유용한 출력을 생성하도록 안내하는 방법을 보여줍니다. foundation model 알려지지 않은 독점 정보를 포함할 수 있고 모델이 반환할 출력의 형식과 유형을 설명하는 레이블이 지정된 데이터를 제공합니다. 예제를 통해 foundation model 향후 결과물에 적용할 수 있는 패턴을 제공합니다.

텍스트 번역이나 텍스트 또는 답변 생성과 같은 기존 작업에서 일반화하는 대신 foundation model 조정하면 필요에 따라 더욱 맞춤화된 결과물을 얻을 수 있습니다.

• 생성된 텍스트 또는 응답은 특정 스타일을 따를 수 있습니다.
• 조정된 모델은 원하는 방식으로 정보를 요약하거나 추출할 수 있습니다.
• 훨씬 더 작은 프롬프트를 사용하여 조정된 모델이 텍스트를 효과적으로 분류할 수 있습니다.

모델을 조정하는 것이 올바른 접근 방식인 경우에 대해 자세히 알아보려면 foundation model 조정해야 하는 경우를 참조하세요.