本課程參考了 OpenAI 及 Azure OpenAI 的多個核心資源，作為術語和教學的依據。以下是非完整列表，供你自學之用。
| 標題/連結 | 說明 |
|---|---|
| 使用 OpenAI 模型進行微調 | 微調透過訓練更多範例，超越少量示例學習的限制，幫助你節省成本、提升回應品質，並降低延遲。了解 OpenAI 的微調概覽。 |
| 什麼是 Azure OpenAI 的微調？ | 了解微調的概念、為何要使用微調（動機問題）、應該使用哪些資料（訓練）以及如何評估品質。 |
| 使用微調自訂模型 | Azure OpenAI 服務讓你能用微調方式，根據個人資料集調整模型。學習如何微調（流程），並使用 Azure AI Studio、Python SDK 或 REST API 選擇模型。 |
| LLM 微調建議 | 大型語言模型（LLM）在特定領域、任務或資料集上可能表現不佳，或產生不準確或誤導的結果。何時應考慮微調作為解決方案？ |
| 持續微調 | 持續微調是指以已微調的模型作為基礎，在新的訓練範例上進一步微調的迭代過程。 |
| 微調與函數呼叫 | 透過帶有函數呼叫範例的微調，可提升模型輸出準確度與一致性，產生格式相似的回應，並節省成本。 |
| 微調模型：Azure OpenAI 指南 | 查閱此表格了解哪些模型可在 Azure OpenAI 進行微調，以及它們在哪些區域可用。必要時查看其 token 限制和訓練資料過期日期。 |
| 要不要微調？這是個問題 | 這集 2023 年 10 月的 AI Show（30 分鐘）討論微調的優缺點及實務見解，幫助你做出決定。 |
| LLM 微調入門 | 這份AI 操作手冊帶你了解資料需求、格式化、超參數微調，以及你應該知道的挑戰與限制。 |
| 教學：Azure OpenAI GPT3.5 Turbo 微調 | 學習如何建立範例微調資料集、準備微調、建立微調工作，並在 Azure 上部署微調後的模型。 |
| 教學：在 Azure AI Studio 微調 Llama 2 模型 | Azure AI Studio 讓你用 UI 流程（適合低代碼開發者）根據個人資料集調整大型語言模型。參考此範例。 |
| 教學：在 Azure 上用單 GPU 微調 Hugging Face 模型 | 本文說明如何使用 Hugging Face transformers 庫，在 Azure DataBricks 和 Hugging Face Trainer 庫上，利用單 GPU 微調 Hugging Face 模型。 |
| 訓練課程：用 Azure Machine Learning 微調基礎模型 | Azure Machine Learning 的模型目錄提供多款開源模型，供你針對特定任務微調。此課程來自 AzureML 生成式 AI 學習路徑。 |
| 教學：Azure OpenAI 微調 | 使用 W&B 在 Microsoft Azure 上微調 GPT-3.5 或 GPT-4 模型，可詳細追蹤和分析模型表現。本指南擴展了 OpenAI 微調指南的概念，並提供 Azure OpenAI 的具體步驟和功能。 |
本節收錄了值得探索的額外資源，但本課程未能涵蓋。未來課程或次要作業可能會涉及。現階段可用來增進你對此主題的專業知識。
| 標題/連結 | 說明 |
|---|---|
| OpenAI Cookbook：聊天模型微調的資料準備與分析 | 此筆記本用於預處理和分析用於聊天模型微調的資料集。它會檢查格式錯誤、提供基本統計數據，並估算微調所需的 token 數量及成本。參考：gpt-3.5-turbo 微調方法。 |
| OpenAI Cookbook：用 Qdrant 進行檢索增強生成（RAG）微調 | 本筆記本示範如何微調 OpenAI 模型以實現檢索增強生成（RAG）。同時整合 Qdrant 和少量示例學習，提升模型效能並減少虛構內容。 |
| OpenAI Cookbook：使用 Weights & Biases 微調 GPT | Weights & Biases (W&B) 是 AI 開發平台，提供訓練、微調模型及利用基礎模型的工具。先閱讀他們的 OpenAI 微調指南，再嘗試 Cookbook 練習。 |
| 社群教學 Phinetuning 2.0 - 小型語言模型微調 | 認識 Phi-2，微軟新推出的小型模型，體積小但效能強大。此教學帶你了解如何建立獨特資料集並用 QLoRA 微調 Phi-2。 |
| Hugging Face 教學 2024 年如何用 Hugging Face 微調 LLM | 本文介紹如何用 Hugging Face TRL、Transformers 和 datasets 微調開源大型語言模型。涵蓋用例定義、開發環境設置、資料集準備、模型微調、測試評估及部署。 |
| Hugging Face：AutoTrain Advanced | 提供更快速且簡易的尖端機器學習模型訓練與部署。此倉庫包含適合 Colab 的教學和 YouTube 影片指導，方便微調。反映近期的local-first更新。詳見 AutoTrain 文件。 |
免責聲明：
本文件乃使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或誤釋承擔責任。