Befehle und Code bleiben in allen Sprachen auf Englisch. Ersetzen Sie GROSSGESCHRIEBENE Platzhalter durch Werte Ihres eigenen Kontos und bezahlten Auftrags. Fügen Sie echte Schlüssel nicht in gemeinsam genutzte Notebooks oder Protokolle ein.
Themenbasiertes Training
- Baseline Vorhandene Kriterien messen
- Thema Voraussetzung auswählen
- Üben Lektionen vorbereiten und Gewichte aktualisieren
- Bewerten Zurückgehaltene Aufgaben lokal auswerten
- Entscheiden Fortfahren, verbessern oder stoppen
Baseline: Vorhandene Kriterien messen. Thema: Voraussetzung auswählen. Üben: Lektionen vorbereiten und Gewichte aktualisieren. Bewerten: Zurückgehaltene Aufgaben lokal auswerten. Entscheiden: Fortfahren, verbessern oder stoppen
Das Teacher-Modell ist Referenz, nicht Ergebnis
Das Teacher-Modell erzeugt oder prüft Lehrmaterial über eine autorisierte Referenzintegration. Das Student-Modell ist das trainierbare Kundenmodell, das im SDK geladen wird. Eine Antwort des Teacher-Modells zu erzeugen aktualisiert das Student-Modell nicht: Erst ein separater Optimierungsschritt ändert anhand von Trainings-Batches die Parameter des Student-Modells. Teacher-Gewichte werden nicht über eine Inferenz-API heruntergeladen.
- Ein Anbieterplan umfasst die dort enthaltenen Referenzmodelle.
- Die Auswahl einer anderen Referenz erfordert kein weiteres Abonnement.
- Bezahlter Zugriffszeitraum und Auftragskompatibilität werden vor der Nutzung geprüft.
Ein überprüfbares Ziel festlegen
„Bring mir Deutsch bei“ gibt eine Richtung vor, doch für das Training braucht es eine definierte Zielgruppe und messbare Aufgaben. Legen Sie fest, ob Sie Konversation, Übersetzung, Dokumentverständnis, Schreiben, Schlussfolgern oder ein Fachgebiet benötigen. Definieren Sie akzeptable Fehlerraten, Datenschutzanforderungen und Beispiele für unerwünschtes Verhalten. Halten Sie Fragen für die verdeckte Evaluation aus vom Teacher-Modell erzeugtem Trainingsmaterial heraus.
- Beispiel: Deutsche Support-Nachrichten vereinbarten Kategorien zuordnen.
- Beispiel: Eine zurückgehaltene Sammlung übersetzen und dabei Namen, Zahlen und Bedeutung erhalten.
- Beispiel: Deutsche Texte anhand eines vereinbarten Bewertungsrasters statt einer subjektiven Einzelbewertung beurteilen.
{
"objective": "Train a separate model to classify German support messages into agreed categories.",
"language": "German",
"performance_criteria": "Evaluate held-out messages, report per-class precision and recall, and review regression against the untouched baseline."
}Begrenzten Lehrplan nach Themen verwenden
TrainingProject nutzt festgelegte Themen oder kann den autorisierten Teacher um einen Lehrplan bitten. Es evaluiert die unveränderte Baseline, trainiert Themenlektionen innerhalb der festgelegten Budgets und stoppt bei Abnahme, Budgetüberschreitung, fehlendem Fortschritt, Abbruch oder Regression. Ergebnis und Lernfähigkeit hängen von Student-Modell, Daten und kompatibler Laufzeitumgebung ab.
- Trennen Sie Trainings-, Validierungs- und abschließende Abnahmedaten.
- An den Teacher dürfen nur freigegebene Trainingsdaten gehen; verborgene Evaluationsdaten bleiben ausgeschlossen.
- Berichte halten abgeschlossene Themen und unerfüllte Kriterien fest.