একটি ফ্রি মেশিনে ছোট মডেল টিউন করুন এবং যেসব উদাহরণ মডেল কখনো দেখেনি সেগুলোর পরিবর্তন রিপোর্ট করুন।
Hugging Face এর সস্তায় টিউনিং পেজ বলে এই পদ্ধতিগুলো পুরো মডেল নয়, শুধু একটা ছোট অ্যাডাপ্টার ট্রেন করে। সেই অতিরিক্ত অংশ সাধারণত LoRA হয়। এটা কম্পিউট ও স্টোরেজ খরচ কমায়, আর বড় মডেলগুলো সাধারণ হার্ডওয়্যারে ট্রেন করা যায়। মডেলের নিজস্ব সংখ্যা অপরিবর্তিত থাকে, এজন্য একটা ফ্রি নোটবুকই যথেষ্ট। গুগলের LoRA টিউটোরিয়াল থেকে একটি ডকুমেন্টেড রান, ১৪ সেপ্টেম্বর ২০২৬ তারিখে পড়া হয়েছে। এটা Colab T4-তে LoRA র্যাঙ্ক ৪-এ Gemma 3 1B টিউন করে। ১,০০০ উদাহরণের ওপর একবার পাস, ব্যাচ সাইজ ১, ইনপুট ২৫৬ টোকেনে কাটা। ওই পাসে ৯২৩ সেকেন্ড লেগেছে, প্রায় ১৫ মিনিট। টিউটোরিয়ালটি স্কোর দেখায় না, শুধু আগে ও পরে উত্তর, তাই আলাদা রাখা স্কোর আপনি যোগ করবেন।
- সস্তা পদ্ধতিতে একটি ছোট অ্যাডাপ্টার ট্রেন করা হয় এবং মডেল নিজেকে অপরিবর্তিত রাখা হয়।
- তোমার তিনটি সেটিং আছে: LoRA র্যাঙ্ক, ট্রেনিংয়ের দৈর্ঘ্য, এবং কোথায় থামবে।
- আপনি যেসব উদাহরণ আলাদা রেখেছিলেন সেগুলোতে একই মাপ ব্যবহার করে ফলাফল মাপুন।
Taskএকটি ফ্রি নোটবুকে একটি সীমিত কাজের জন্য ছোট মডেল টিউন করুন এবং সৎভাবে রিপোর্ট করুন।
Weak approach রাতভর ট্রেনিং চলে, শেষ পাস থেকে কপি রাখা হয়, এবং রিপোর্ট দেয় যে ট্রেনিং নম্বরগুলো ধীরে ধীরে কমেছে। আলাদা রাখা চল্লিশটি নমুনার কখনো স্কোর করা হয়নি।
Stronger approach ফ্রি Colab T4-তে LoRA র্যাঙ্ক ৪-এ Gemma 3 1B লোড করে, যা টিউটোরিয়ালের নিজস্ব সেটিং। তিনটি ছোট পাস চালায় এবং প্রতিটি পাসের পরে আলাদা রাখা চল্লিশটি উদাহরণের স্কোর করে। সেই পাসের চেকপয়েন্ট রাখে যেখানে স্কোর সর্বোচ্চ হয়, শেষ পাস নয়। পেজে র্যাঙ্ক, পাস সংখ্যা, মিনিট এবং দুই স্কোর লিখে।
Why the stronger approach works দুর্বল রিপোর্ট মডেল যে উদাহরণগুলো দেখেছে সেগুলো মাপে। শক্তিশালী রিপোর্ট মাপে যেগুলো মডেল কখনো দেখেনি, এবং সেই সেটিংসও বলে যা থেকে স্কোর এসেছে।
Try a changed situation একজন সহকর্মী একটি টিউন করা মডেল শেয়ার করে এবং বলে এটি ভালো কাজ করে। সে কোনো নম্বর পাঠায় না। আপনি কী চাইবেন?
Make something yourself একটি ছোট মডেল টিউন করুন। একই আলাদা রাখা উদাহরণগুলোর আগে এবং পরে স্কোর দেখান, আপনার ব্যবহৃত সেটিংস এবং পুরো রান কতক্ষণ লেগেছে তা জানান।