Los comandos y el código se mantienen en inglés en todos los idiomas. Sustituye los marcadores en mayúsculas por valores de tu cuenta y de tu tarea de pago; no pegues claves reales en cuadernos ni registros compartidos.
Crear una receta de entrenamiento completa
- Tarea Objetivo lingüístico o empresarial
- Entradas Entrenamiento, validación y prueba reservada
- Entorno Cómputo y almacenamiento compatibles
- Resultados Criterios aceptados y resultado válido
Tarea: Objetivo lingüístico o empresarial. Entradas: Entrenamiento, validación y prueba reservada. Entorno: Cómputo y almacenamiento compatibles. Resultados: Criterios aceptados y resultado válido
Entrenar un modelo independiente para alemán
Empieza con la configuración completa del modo Automático del capítulo de configuración. Crea un directorio de proyecto con tu modelo alumno compatible, material de entrenamiento revisado, conjuntos independientes de validación y prueba final, y la rúbrica de alemán. Elige un modelo de referencia incluido en el plan del proveedor. El SDK debería proponer los requisitos previos y los temas, establecer una línea base y mejorar dentro de los presupuestos aprobados.
- El JSON siguiente ilustra el formato de los datos en inglés; incluye tu texto alemán real y revisado en los archivos de datos, con un objeto por línea.
- Usa la configuración completa del modo Automático como archivo ejecutable del proyecto, no un fragmento de receta.
- Mide por separado la comprensión, la escritura, la traducción y el razonamiento. No se garantiza que un modelo alumno pequeño iguale al docente en todas las tareas.
{"text":"Customer: My invoice total is incorrect. Category: billing"}
{"text":"Customer: I cannot sign in. Category: account_access"}
{"text":"Customer: The application closes when I upload a file. Category: technical_issue"}# Full Automatic German-language workflow.
# 1. Put a compatible local model in german-project/models/student/.
# 2. Save the complete project configuration as german-project/training.json.
# 3. Add independent train/validation/test files and the reviewed german rubric.
# 4. Replace provider/reference placeholders using your included model catalogue.
fpai-training doctor --config ./german-project/training.json
fpai-training plan --config ./german-project/training.json --dry-run
# The plan must break the objective into prerequisites and measurable topics.
fpai-training run --config ./german-project/training.json
fpai-training evaluate --run ./german-project/runs/german-001 --split test
fpai-training export --run ./german-project/runs/german-001 --format safetensors
# Evaluate comprehension, writing, translation and reasoning separately.
# A passed classifier does not prove all German-language capabilities.Adaptar el proyecto a una tarea empresarial
Los siguientes ejemplos JSON son fragmentos de configuración, no archivos de proyecto completos. Copia la configuración completa del modo Automático o Avanzado, sustituye las secciones indicadas por el fragmento, conserva la identidad, el modelo, el docente, el entorno de ejecución y los presupuestos finitos, y valida el archivo completo. La clasificación y la traducción necesitan temas, datos y criterios de aceptación diferentes.
- Para clasificar solicitudes de soporte, informa de precisión y exhaustividad por clase, F1 macro, equilibrio de clases y casos ambiguos.
- Para traducción, comprueba el significado, la terminología, los nombres, los números y el tono con ejemplos bilingües independientes.
- Cuando teacher_sharing sea none, los registros de clientes permanecen localmente. Si no se puede alcanzar el objetivo sin compartir datos de forma prohibida, detente y explícalo en vez de subirlos.
{
"schema_version": "1.0", "mode": "automatic",
"objective": "Classify support messages into billing, account_access or technical_issue.",
"model": {"path": "./models/student", "adapter": "transformers-causal-lm", "revision": null},
"teacher": {"provider": "openai", "reference_model_id": 123},
"data": {"sources": ["./data/train.jsonl"], "teacher_sharing": "none", "validation_path": "./data/validation.jsonl", "test_path": "./data/test.jsonl", "deduplicate": true, "seed": 42},
"runtime": {"target": "customer_datacenter", "devices": "auto", "distributed": {"backend": "none", "nodes": 1}},
"training": {"method": "auto"},
"curriculum": {"topics": ["intent", "ambiguous_requests", "class_balance"], "max_improvement_cycles": 3, "stop_on_regression": true},
"budgets": {"max_training_minutes": 120, "max_teacher_requests": 100, "max_storage_gib": 20},
"checkpoints": {"every_steps": 100, "keep_last": 3, "resume_validation": "strict"},
"evaluation": {"rubric": "./rubric.json", "baseline_required": true},
"output": {"directory": "./runs/support-001", "format": "adapters"}
}{
"objective": "Translate English support replies into German while preserving names, numbers and meaning.",
"curriculum": {"topics": ["terminology", "meaning", "names_and_numbers", "tone"], "max_improvement_cycles": 3, "stop_on_regression": true},
"evaluation": {"rubric": "./rubrics/translation.json", "baseline_required": true},
"data": {"sources": ["./data/translation-train.jsonl"], "validation_path": "./data/translation-validation.jsonl", "test_path": "./data/translation-test.jsonl", "teacher_sharing": "approved_only"},
"output": {"directory": "./runs/translation-001", "format": "safetensors"}
}{"prompt":"My invoice total is wrong. Which category applies?","target":"billing","criterion":"support_category"}
{"prompt":"I cannot sign in. Which category applies?","target":"account_access","criterion":"support_category"}{
"schema_version": "1.0",
"name": "support-category-evaluation",
"scale": {"minimum": 0, "maximum": 1},
"criteria": [
{"id": "support_category", "description": "Match the expected category.", "metric": "macro_f1", "minimum_score": 0.85}
],
"regression": {"maximum_score_drop": 0.02},
"final_test": {"path": "./data/test.jsonl", "allow_training_use": false}
}Elegir la infraestructura adecuada y entregar de forma segura
Estos ejemplos de entorno también son fragmentos para una configuración completa y revisada. FusionPointAI Hosting, un centro de datos del cliente y un entorno Colab compatible proporcionan capacidad de cómputo; seleccionar un nombre no asigna GPU, no compra créditos de notebook ni hace compatible otro entorno. El SDK carga y entrena el modelo alumno en ese entorno. Guarda los resultados antes de que termine un notebook efímero.
- Ejemplo alojado: usa el entorno de cómputo contratado, su almacenamiento aprobado y los permisos de la cuenta; el alojamiento puede ser un elemento comercial independiente.
- Ejemplo Colab: guarda la clave de API en los secretos del notebook, comprueba la GPU y el almacenamiento disponibles y copia los puntos de control válidos a almacenamiento duradero aprobado antes de que termine.
- Ejemplo distribuido: usa un coordinador autorizado y comunicaciones autenticadas entre nodos, con entornos fijados idénticos y valores acordados de encuentro y rangos. El lanzador debe gestionar únicamente los procesos de este proyecto.
{
"runtime": {"target": "fusionpointai_hosting", "devices": "auto", "distributed": {"backend": "none", "nodes": 1}},
"budgets": {"max_training_minutes": 60, "max_teacher_requests": 500, "max_storage_gib": 20},
"output": {"directory": "./runs/hosted-001", "format": "safetensors"}
}{
"runtime": {"target": "colab", "devices": [0], "distributed": {"backend": "none", "nodes": 1}},
"checkpoints": {"every_steps": 50, "keep_last": 2, "resume_validation": "strict"},
"budgets": {"max_training_minutes": 30, "max_teacher_requests": 100, "max_storage_gib": 10},
"output": {"directory": "./runs/colab-001", "format": "adapters"}
}{
"runtime": {"target": "customer_datacenter", "devices": [0, 1], "distributed": {"backend": "ddp", "nodes": 2}},
"checkpoints": {"every_steps": 100, "keep_last": 3, "resume_validation": "strict"},
"output": {"directory": "./runs/distributed-001", "format": "safetensors"}
}# Export a validated adapter or full model, not teacher weights.
fpai-training evaluate --run ./german-project/runs/support-001 --split test
fpai-training export --run ./german-project/runs/support-001 --format adapters
# Inspect artifact-manifest.json, pinned base/tokenizer and evaluation-report.json.
# Reload the package in a fresh compatible runtime before changing live inference.
# Export does not deploy, allocate hosting, or upload to an external model hub.