Modello Fine-Tune

Esegue il fine-tuning di un modello con il gruppo di dati specificato.

Opzioni 

• Nome account è un'espressione di testo per il nome dell'account AI da utilizzare. Nel file corrente, utilizzare l'istruzione di script Configura account AI per configurare l'account e assegnargli questo nome in qualsiasi momento prima che questa istruzione di script venga eseguita.

• Modello base è un'espressione di testo per il modello di generazione di testo da affinare. Per i modelli supportati, vedere le Specifiche tecniche di FileMaker.

• Dati addestramento specifica l'origine dei dati di addestramento per il fine-tuning:

  • Tabella: utilizza i dati della ricorrenza di tabella specificata in base al gruppo di record trovato corrente. Per l'addestramento, i dati di Campo completamento vengono utilizzati come risposta dell'assistente; i dati di tutti gli altri campi vengono utilizzati come prompt dell'utente corrispondente.

  • File: utilizza un file JSONL contenente dati di addestramento. Ogni riga deve essere un oggetto JSON valido contenente un prompt dell'utente e la risposta dell'assistente corrispondente.

• Destinazione risposta specifica il campo o la variabile in cui il fornitore del modello restituisce un oggetto JSON con informazioni sul lavoro di fine-tuning avviato da questa istruzione di script.

• Parametri Fine-Tune è un'espressione di testo per un oggetto JSON che consiste di coppie chiave-valore per opzioni di fine-tuning supportate dal fornitore del modello.

Opzioni disponibili solo quando Dati addestramento è Tabella:

• Il valore per Tabella specifica una ricorrenza di tabella da utilizzare per i dati di addestramento.

• Campo completamento specifica il campo in Tabella contenente le risposte dell'assistente previste o le risposte per l'addestramento.

Opzioni disponibili solo quando Dati addestramento è File:

• Il valore per File specifica un elenco di uno o più percorsi per il file JSONL contenente i dati di addestramento. I percorsi devono utilizzare uno dei prefissi di percorso del file. L'istruzione di script cerca nell'elenco e aggiunge il primo file JSONL che riesce a individuare. Vedere Creazione dei percorsi di file.

Creata nella versione 

22.0

Descrizione 

Questa istruzione di script invia i dati di addestramento a un fornitore modello supportato per creare una versione affinata di un modello di AI di base utilizzando tecniche di low-rank adaptation (LoRA). Il fine-tuning consente di personalizzare il comportamento di un modello per attività, domini o stili di risposta specifici addestrandolo sui propri dati e preservando le capacità generali del modello di base. Ad esempio, è possibile affinare un modello in modo tale che fornisca risposte migliori utilizzando la terminologia specifica, lo stile di scrittura o l'esperienza settoriale della propria azienda. LoRA è un metodo efficiente che aggiunge piccoli parametri addestrabili al modello, senza modificare i pesi originali. Questo approccio richiede una quantità decisamente inferiore di risorse computazionali e di memoria rispetto al fine-tuning del modello completo, consentendo al contempo di ottenere miglioramenti delle prestazioni comparabili.

L'account AI specificato da Nome account deve essere configurato per uno dei seguenti fornitori di modelli:

• OpenAI

• Il Server modello AI fornito con FileMaker Server su un Mac con Apple Silicon

Altri fornitori di modelli e sistemi operativi non sono supportati per il fine-tuning. Vedere le Specifiche tecniche di FileMaker .

Dati addestramento

Dati addestramento può essere fornito da una tabella FileMaker o da un file JSON Lines (JSONL). Ciascun esempio di addestramento è costituito da un prompt dell'utente e dalla risposta dell'assistente desiderata. Il modello è quindi in grado di generare risposte simili agli esempi di addestramento quando gli vengono forniti suggerimenti simili.

{
  "messaggi" : 
  [
    {
      "contenuto" : "<NomeCampo1>=<Dati1>, <NomeCampo2>=<Dati2>, ... ",
      "ruolo" : "utente"
    },
    {
      "contenuto" : "<Dati_campo_completamento>",
      "ruolo" : "assistente"
    }
  ]
}

{
  "messaggi" : 
  [
    {
      "contenuto" : "<Prompt_utente>",
      "ruolo" : "utente"
    },
    {
      "contenuto" : "<Prompt_assistente>",
      "ruolo" : "assistente"
    }
  ]
}

Destinazione risposta

Per ottenere informazioni sul lavoro di fine-tuning avviato da questa istruzione di script, specificare una variabile o un campo per l'opzione Destinazione risposta. Il fine-tuning può richiedere molto tempo, quindi occorerà verificare con il fornitore del modello quando il processo è completo e il modello affinato è pronto per essere utilizzato.

Ad esempio, il Server modello AI invia una risposta come quella mostrata di seguito quando:

• Il file JSONL specificato da File è miei-dati-addestramento.jsonl.

• Modello base è google/codegemma-7b-it.

• Il valore della chiave fine_tuned_model_name specificata in Parametri Fine-Tune è nome_mio_modello_affinato. Il valore della chiave fine_tuned_model in Destinazione risposta è il nome completo assegnato dal Server modello AI.

{
  "risultato": {
    "oggetto": "fine_tuning.job",
    "id": "fm-ftjob-1753297022103",
    "id_file": "fm-ft-train-1753297022070",
    "modello": "google/codegemma-7b-it",
    "creato_alle": 1753297022103,
    "modello_affinato": "fm-mlx_mio_nome_modello_affinato",
    "stato": "in coda",
    "file_addestramento": "miei-dati-addestramento.jsonl",
    "tag": [
      "fine-tune"
    ]
  }
}

Per determinare quando il Server modello AI ha completato il fine-tuning, accedere alla FileMaker Server Admin Console. Vedere Note.

Parametri Fine-Tune

L'opzione Parametri Fine-Tune può essere utilizzata per specificare i parametri di fine-tuning supportati dal fornitore del modello. Fare riferimento alla documentazione del fornitore del modello per i nomi delle chiavi dei parametri supportati e i relativi intervalli validi.

Per il Server modello AI fornito con FileMaker Server è possibile utilizzare le chiavi e i valori seguenti per regolare il fine-tuning, se necessario. Se non viene specificata una chiave o non viene utilizzata l'opzione Parametri Fine-Tune, l'istruzione di script utilizza i valori predefiniti.

Ad esempio, questo oggetto JSON imposta le chiavi nell'opzione Parametri Fine-Tune:

{
  "max_steps": 2000,
  "learning_rate": 1e-4,
  "batch_size": 2,
  "lora_layers": 6,
  "fine_tuned_model_name": "supporto-clienti-v1"
}

Note 

• Il fine-tuning richiede risorse computazionali notevoli. L'esecuzione di più di un lavoro di fine-tuning alla volta sul Server modello AI può influire negativamente sulle prestazioni del sistema.

• Per monitorare lo stato dei modelli affinati sul Server modello AI (ad esempio, per comunicare quando l'addestramento è completo), aprire la FileMaker Server Admin Console. Qui è anche possibile creare modelli affinati direttamente, caricando un file JSONL. Vedere Creazione di modelli di AI affinati nella Guida di FileMaker Server.

Esempio 1- Fine-tuning di base utilizzando i dati della tabella

Affina un modello OpenAI con i dati di una tabella. Lo script configura un account AI per OpenAI e va al formato Support_QA. La tabella Support_QA contiene, tra le altre cose, i campi Domanda e Risposta. Lo script esegue una ricerca per ottenere il gruppo trovato desiderato, quindi invia i dati dei record per affinare un modello GPT-4.1, specificando il campo Risposta per Campo completamento (i dati di tutti gli altri campi vengono inviati come prompt utente).

Configura account AI [ Nome account: "my-account" ; Fornitore modello: OpenAI ; Chiave API: Globale::Chiave_API_OpenAI  ]

Vai al formato [ "Support_QA" (Support_QA)  ]

Esegui la ricerca [Ripristina ]

Modello Fine-Tune [ Nome account: "my-account" ; Modello base: "gpt-4.1-2025-04-14" ; Dati addestramento: Tabella ; "Support_QA" ; Campo completamento: Support_QA:: Risposta ; Destinazione risposta: $$destinazioneRisposta ]

Quando OpenAI notifica che l'addestramento è completato e fornisce il nome del modello affinato, è possibile utilizzare il modello in istruzioni di script come Genera risposta dal modello:

Genera risposta dal modello [ Nome account: "my-account" ; Modello: "ft:gpt-4o-mini-2024-07-18:my-org::LBNO71Qq" ; Prompt utente: $domanda ; Modalità agentica ; Risposta: $$risposta ]

Esempio 2- Fine-tuning con un file JSONL

Esegue il fine-tuning di un modello sul Server modello AI inviando il file JSONL creato nell'Esempio 2 per l'istruzione di script Salva record come JSONL. Lo script configura un account AI per e imposta la variabile $fileAddestramento sul percorso per il file JSONL nella cartella Documenti.

Quindi, lo script imposta la variabile $parametri su un oggetto JSON contenente le coppie chiave-valore da utilizzare per i parametri di fine-tuning, inclusa l'impostazione del nome radice da dare al modello affinato.

Infine, lo script invia il file JSONL specificato da $fileAddestramento al Server modello AI, indicando il modello di base da affinare, i parametri da utilizzare e la variabile $risposta per memorizzare la risposta. Per avere il nome completo del modello affinato a disposizione per l'uso successivo, lo script ottiene il nome da $risposta e lo memorizza in un campo globale.

Configura account AI [ Nome account: "Server_modello_AI" ; Fornitore modello: Personalizzato ; Endpoint: "https://myserver.example.com/llm/v1/" ; Chiave API: Globale::Chiave_API_Fine_Tuning ; Verifica certificati SSL ]

Imposta variabile [ $fileAddestramento ; Valore: Get(PercorsoDocumenti) & "dati_addestramento.jsonl"]

Imposta variabile [ $parametri ; Valore: 
  Dichiara ( [
    json = "{}" ;
    json = JSONSetElement ( json; "max_steps"; 1500; JSONString ) ;
    json = JSONSetElement ( json; "learning_rate"; 1e-4; JSONString ) ;
    json = JSONSetElement ( json; "batch_size"; 2; JSONString ) ;
    json = JSONSetElement ( json; "fine_tuned_model_name"; "product-expert-v2" ; JSONString )
  ] ;
    json
  )
]

Modello Fine-Tune [ Nome account: "Server_modello_AI" ; Modello base: "google/codegemma-7b-it" ; Dati addestramento: File ; "$fileAddestramento" ; Destinazione risposta: $destinazioneRisposta ; Parametri Fine-Tune: $parametri ]

Imposta campo [ Globale::Modello_affinato ; JSONGetElement ( $destinazioneRisposta ; "risultato.modello_affinato" ) ]

Argomenti correlati 

• Istruzione di script Salva record come JSONL

• Istruzione di script Configura account AI

• Istruzione di script Genera risposta dal modello

• Istruzione di script Imposta registrazione chiamate AI

• Utilizzo delle funzioni JSON

• Istruzioni di script