اصلي منځپانګې ته ورټوپ کړئ
د روزنې لارښود څپرکي ټول اسناد

روزنه وچلوئ او کنټرولونه یې وپېژنئ

د وزنونو واقعي بدلون، ملاتړ شوې طریقې، د سرور واکمن تنظیمات او د پرمختګ راپورول.

د روزنې لارښود څپرکي

په ټولو ژبو کې امرونه او کوډ په انګلیسي پاتې کېږي. غټ‌توري ځای‌نښې د خپل حساب او پیسې ورکړل شوې دندې له ارزښتونو سره بدلې کړئ؛ ریښتینې کیلي په شریکو notebook-ونو یا لاګونو کې مه نښلوئ.

د اصلاح واقعي پړاو

یوازې د ښوونکي ځواب جوړول زده‌کوونکی ماډل نه بدلوي.
  1. Batch منل شوې بېلګې token کړئ
  2. وړاندوینه د زده‌کوونکي forward pass وچلوئ
  3. Loss د روزنې تېروتنه اندازه کړئ
  4. اصلاح gradient-ونه محاسبه او پارامېټرونه نوي کړئ
  5. Checkpoint پایله شوی ماډل یا adapter وساتئ

د ملاتړ شوې روزنې طریقه وټاکئ

SFT د څارل شوې fine-tuning پروسه ده. LoRA د ټیټ‌پوړ adapter پارامېټرونه روزي. QLoRA د adapter روزنه له سازګار quantized بنسټ سره یوځای کوي. Transformers causal-language-model adapter ټاکل شوی ماډل او اجرا چاپېریال ارزوي؛ د هرې معمارۍ یا وسیلې ملاتړ نه کوي. د gradient پر بنسټ اصلاح د زده‌کوونکي وزنونه بدلوي.

  • تر روزنې مخکې learning rate، sequence length، batch size او accumulation وګورئ.
  • طریقې SFT، LoRA او QLoRA دي؛ Automatic حالت auto ټاکلای شي.
  • د adapter بسته خپل اړوند تثبیت شوی بنسټیز ماډل او tokenizer غواړي.
بېلګه · text 
Project methods: SFT | LoRA | QLoRA (Automatic mode may resolve auto).
Evaluation metrics: exact_match | macro_f1 | text_similarity | chrf.
Custom scorers require register_evaluator(name, scorer, version=...).
Model, tokenizer, device memory, precision and export must be compatible.
Teacher requests and local run time/storage are bounded by project budgets.
Validation and final-test JSONL are evaluated locally and are not shared.
Read the reviewed plan and compatibility result before starting a run.

خپلواکه پروژه وچلوئ

TrainingProject پروژه تاییدوي، د اړتیا پر مهال د پیسې ورکړل شوي ښوونکي اجازه اخلي، محلي معلومات چمتو کوي، بنسټیز حالت اندازه کوي، واقعي اصلاح ترسره کوي، جلا ساتل شوي معیارونه ارزوي او راپورونه او manifest-ونه ثبتوي. محلي روزنه په ټاکل شوي اجرا چاپېریال کې کېږي. بریالۍ پایله د اندازه شوو معیارونو او ټاکل شوو درولو شرطونو پورې اړه لري.

  • جعلي سنجشونه یا د بشپړېدو راپورونه مه سپارئ.
  • د اړتیا پر مهال بهیر، محلي زېرمه او د ښوونکي API اړیکه فعاله وساتئ.
  • که راپورول یا پاکول ناکام شي، محلي محصول وساتئ او تر بیا هڅې مخکې د اجرا وضعیت وګورئ.
بېلګه · python 
# Continue with project from TrainingProject.from_file(...).
result = project.run()
print(result["status"], result["stop_reason"], result["unmet_criteria"])
# TrainingProject performs real local optimization and records its run report.
بېلګه · python 
import os
from fusionpointai_training import TrainingClient

client = TrainingClient(api_key=os.environ["FUSIONPOINTAI_API_KEY"])
session = client.get_session(os.environ["FUSIONPOINTAI_SESSION_ID"])
report = session.get("report")
last_event = report.get("last_event", {}) if isinstance(report, dict) else {}
print("State:", session["status"], "Step:", session["step"])
print("Last reported error code:", last_event.get("error_code"))
# A missing error_code does not prove success. Read state and your local report.
# Do not dump full provider responses, private data or authorization headers.

Automatic او Advanced حالتونه

Automatic حالت د پروژې او اجرا چاپېریال له مخې سازګار روزنیز تنظیمات ټاکي. Advanced حالت د هماغه Transformers روزنیز backend لپاره څرګند ملاتړ شوي تنظیمات مني. دواړه حالتونه محلي اصلاح کوي، سرچینه ثبتوي او د وخت، د ښوونکي غوښتنو او زېرمه ټاکلې بودجې مراعاتوي. د هارډوېیر او ماډل سازګاري اړینه ده.

  • د تنظیم حالتونه automatic او advanced دي؛ د روزنې طریقې SFT، LoRA یا QLoRA دي او په Automatic کې auto حل کېږي.
  • د موضوع پرمختګ د rubric له اندازه شوو پایلو او ټاکل شوو درولو شرطونو سره تړلی دی.
  • هېڅ حالت د ځانګړي معیار یا استنتاج وړتیا ضمانت نه کوي.