本課程參考了 OpenAI 和 Azure OpenAI 的多項核心資源，作為術語和教學的依據。以下是非完整的資源清單，供您自學參考。
| 標題/連結 | 說明 |
|---|---|
| Fine-tuning with OpenAI Models | 微調透過訓練更多範例，超越少量示範學習的限制，幫助節省成本、提升回應品質，並降低延遲。了解 OpenAI 的微調概述。 |
| What is Fine-Tuning with Azure OpenAI? | 了解微調的概念、為何需要微調（動機問題）、應使用哪些資料（訓練）以及如何評估品質。 |
| Customize a model with fine-tuning | Azure OpenAI 服務讓您能透過微調，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。 |
| Recommendations for LLM fine-tuning | 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？ |
| Continuous Fine Tuning | 持續微調是指以已微調的模型為基礎，在新的訓練資料上進行進一步微調的反覆過程。 |
| Fine-tuning and function calling | 透過帶有函式呼叫範例的微調，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。 |
| Fine-tuning Models: Azure OpenAI Guidance | 查閱此表格了解哪些模型可在 Azure OpenAI 進行微調，以及可用區域。必要時查看其 token 限制和訓練資料過期時間。 |
| To Fine Tune or Not To Fine Tune? That is the Question | 這集 2023 年 10 月的 AI Show（30 分鐘）討論微調的優缺點與實務見解，幫助您做出決策。 |
| Getting Started With LLM Fine-Tuning | 這份AI Playbook資源帶您了解資料需求、格式化、超參數微調，以及您應該知道的挑戰與限制。 |
| 教學: Azure OpenAI GPT3.5 Turbo Fine-Tuning | 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: Fine-tune a Llama 2 model in Azure AI Studio | Azure AI Studio 讓您透過 UI 流程，為大型語言模型量身打造個人資料集，適合低程式碼開發者。參考此範例。 |
| 教學:Fine-tune Hugging Face models for a single GPU on Azure | 本文說明如何使用 Hugging Face transformers 庫，在 Azure DataBricks 上利用單 GPU 和 Hugging Face Trainer 庫微調 Hugging Face 模型。 |
| 訓練課程: Fine-tune a foundation model with Azure Machine Learning | Azure Machine Learning 的模型目錄提供多款開源模型，您可針對特定任務進行微調。此課程來自 AzureML 生成式 AI 學習路徑。 |
| 教學: Azure OpenAI Fine-Tuning | 在 Microsoft Azure 上使用 W&B 微調 GPT-3.5 或 GPT-4 模型，可詳細追蹤與分析模型效能。本指南延伸 OpenAI 微調指南，提供 Azure OpenAI 專屬步驟與功能。 |
本節收錄了值得探索的額外資源，但本課程未涵蓋。未來課程或次要作業可能會涉及。您可利用這些資源，增進對此主題的專業知識。
| 標題/連結 | 說明 |
|---|---|
| OpenAI Cookbook: Data preparation and analysis for chat model fine-tuning | 此筆記本用於預處理與分析用於微調聊天模型的資料集，檢查格式錯誤、提供基本統計數據，並估算微調所需的 token 數量與成本。參考：gpt-3.5-turbo 微調方法。 |
| OpenAI Cookbook: Fine-Tuning for Retrieval Augmented Generation (RAG) with Qdrant | 本筆記本示範如何微調 OpenAI 模型以實現檢索增強生成（RAG），並整合 Qdrant 與少量示範學習，提升模型效能並減少錯誤生成。 |
| OpenAI Cookbook: Fine-tuning GPT with Weights & Biases | Weights & Biases (W&B) 是 AI 開發平台，提供訓練、微調及基礎模型應用工具。先閱讀其 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，微軟新款小型模型，體積小但效能強大。此教學帶您建立獨特資料集並使用 QLoRA 微調 Phi-2。 |
| Hugging Face 教學 2024 年如何用 Hugging Face 微調 LLM | 本文介紹如何使用 Hugging Face TRL、Transformers 與 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、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。此倉庫含 Colab 友善教學與 YouTube 影片指導，適合微調。反映近期local-first更新。詳見 AutoTrain 文件。 |
免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保翻譯的準確性，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產生的任何誤解或誤釋負責。