ITCOW牛新网 4月6日消息，OpenAI于近日宣布，对API进行了改进微调（fine-tuning），并计划进一步扩展其定制模型服务。这些改进旨在提升模型训练的效率，增强模型性能，并为开发者提供更丰富、更灵活的工具集。
关于微调 API 的相关改进内容如下
基于 Epoch 的 Checkpoint Creation
在每次训练 epoch（将训练数据集中的所有样本都过一遍（且仅过一遍）的训练过程）过程中，都自动生成一个完整的微调模型检查点，便于减少后续重新训练的需要，尤其是在过拟合（overfitting，指过于紧密或精确地匹配特定数据集，以至于无法良好地拟合其他数据或预测未来的观察结果的现象）的情况下。
Comparative Playground
用于比较模型质量和性能的全新并排游乐场用户界面，允许对多个模型的输出进行人工评估，或根据单个提示词微调 snapshots。
第三方集成：
支持与第三方平台的集成（本周开始与 Weights and Biases 集成），让开发人员能够将详细的微调数据共享给堆栈的其他部分。
更全面的验证指标：
能够计算整个验证数据集（而不是抽样批次）的损失和准确性等指标，从而更好地了解模型质量。
Hyperparameter 配置
从仪表板配置可用超参数的功能（而非仅通过应用程序接口或 SDK）
改善微调控制面板
可以配置超参数、查看更详细的训练指标以及从以前的配置重新运行作业的功能。
扩展定制模型计划
OpenAI 为进一步扩展定制模型计划，还推出了辅助微调服务。开发者可以寻求 OpenAI 专业团队成员的帮助，针对特定领域训练和优化模型，附加 Hyperparameter 和各种参数高效微调 (PEFT) 方法。