Saat Penyetelan Halus Lebih Unggul daripada Pemberian Perintah
Gunakan penyetelan halus untuk tugas khusus, format khusus, atau memperpendek perintah — bukan untuk mengajarkan fakta baru.
Saat Penyetelan Halus Lebih Unggul daripada Pemberian Perintah adalah pelajaran AI Agents gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Agents, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Agents mencakup 4 pelajaran total.
Utamakan Perintah, Baru Penyetelan Halus
Selalu maksimalkan perintah sebelum menggunakan penyetelan halus:
- Perintah sistem yang lebih baik
- Contoh beberapa
- Deskripsi alat
- Model yang lebih baik
- Keluaran terstruktur / Pydantic
- RAG
- ... THEN penyetelan halus
Kapan Penyetelan Halus Membantu
- Format atau gaya khusus — bahasa keluaran YAML khusus Anda
- Domain sempit — medis, hukum, tinjauan kode
- Latensi — perintah singkat (tanpa contoh beberapa) → inferensi lebih cepat
- Biaya — perintah lebih singkat → lebih sedikit token yang ditagihkan
- Persona yang konsisten — suara karakter, nada merek
Kapan Penyetelan Halus Merugikan
- Mengajarkan fakta — RAG lebih baik. Model hasil penyetelan halus dapat melupakan fakta
- Penalaran umum — model terdepan sudah sangat unggul
- Pembaruan yang sering — pelatihan ulang memerlukan waktu lama
- Kumpulan data yang sangat kecil — kurang dari 100 contoh jarang memberikan perubahan berarti
Penyetelan Halus Model Tertutup
OpenAI dan Anthropic sama-sama menawarkan API penyetelan halus:
# OpenAI:
client.fine_tuning.jobs.create(
training_file='file-abc',
model='gpt-4o-mini-2024-07-18'
)Penyetelan Halus Model Terbuka
Untuk Llama/Mistral/Qwen, Anda mengendalikan semuanya. Alat yang tersedia:
- Unsloth — paling cepat, memerlukan VRAM rendah
- Axolotl — berbasis konfigurasi, komprehensif
- LLaMA-Factory — alternatif dari tim Tiongkok
- HuggingFace TRL — resmi, fleksibel
Penyetelan Halus Penuh dibandingkan PEFT
Ada dua pendekatan:
- Penuh — perbarui setiap bobot. Mahal (memerlukan VRAM yang sangat besar).
- PEFT / LoRA — latih lapisan adaptor kecil. 100 kali lebih murah, dengan kualitas serupa untuk sebagian besar tugas.
Biaya Penyetelan Halus (OpenAI)
Perkiraan (pertengahan 2025):
- Pelatihan: $0,003 / 1 ribu token
- Inferensi pada model yang disetel: agak lebih mahal daripada model dasar
- Puluhan ribu contoh: total biaya pelatihan $20–200
Biaya Penyetelan Halus (Di-hosting Sendiri)
Satu jam 8xH100: sekitar $100 dengan Lambda Labs. LoRA pada Llama 70B dengan 10 ribu sampel: total sekitar $50–150.
Patokan Volume Data
- 50 contoh — hanya berguna untuk gaya atau format
- 500 contoh — peningkatan yang berarti
- 5.000+ contoh — kemampuan baru yang substansial
- 50.000+ contoh — hasil yang semakin berkurang jika dibandingkan dengan kualitas kumpulan data
Dari Mana Data Berasal?
- Jejak produksi (dengan koreksi)
- Pembuatan sintetis oleh model yang lebih kuat
- Pelabelan oleh manusia
- Kumpulan data publik
Keputusan Penyetelan Halus vs RAG vs Perintah
| Tujuan | Pendekatan terbaik |
|---|---|
| Fakta baru | RAG |
| Format baru | Penyetelan halus (atau perintah yang kuat) |
| Gaya baru | Penyetelan halus |
| Penalaran yang lebih baik | Model yang lebih kuat |
| Biaya atau latensi lebih rendah | Model lebih kecil + penyetelan halus |
Evaluasi Sebelum dan Sesudah
Selalu jadikan model yang disetel sebagai tolok ukur dibandingkan model dasar pada set evaluasi milik YOUR. Terkadang hasil penyetelan lebih buruk—bersiaplah untuk membuangnya.
Alasan Terbaik untuk Melakukan Penyetelan Halus
Manakah alasan BEST untuk melakukan penyetelan halus?
Ringkasan
Gunakan instruksi terlebih dahulu; lakukan penyetelan halus hanya untuk alasan format, gaya, atau domain yang spesifik. Gunakan PEFT/LoRA untuk menghemat biaya. Selalu lakukan evaluasi sebelum dan sesudahnya.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Saat Penyetelan Halus Lebih Unggul daripada Pemberian Perintah” gratis?
Ya — teks lengkap “Saat Penyetelan Halus Lebih Unggul daripada Pemberian Perintah” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Agents, upgrade ke CoddyKit PRO. Kursus AI Agents mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Saat Penyetelan Halus Lebih Unggul daripada Pemberian Perintah”?
Gunakan penyetelan halus untuk tugas khusus, format khusus, atau memperpendek perintah — bukan untuk mengajarkan fakta baru. Kamu berlatih AI Agents dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai AI Agents?
Tidak diperlukan pengalaman sebelumnya. AI Agents di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Saat Penyetelan Halus Lebih Unggul daripada Pemberian Perintah” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Agents ini?
Ya. Setiap pelajaran AI Agents menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Saat Penyetelan Halus Lebih Unggul daripada Pemberian Perintah
- Pengumpulan Data: Trajektori dan Pemutaran Ulang Jejak
- LoRA dan QLoRA untuk Penyetelan Hemat Biaya
- Mengevaluasi Model yang Disetel vs Basis