فیصلہ کریں کہ کب tuning فائدہ مند ہے

What this lesson is about

زیادہ تر کاموں کے لیے بہتر ہدایات چاہیے ہوتی ہیں، نہ کہ tuned ماڈل۔ سیکھیں کہ کون سے چند کاموں کو واقعی tuning کی ضرورت ہوتی ہے۔

ایک چھوٹا ماڈل آپ کی مراٹھی شکایات کا صرف آدھا حصہ صحیح جگہ پر رکھتا ہے۔ آپ کا ساتھی ایک ہفتے کی تربیت شروع کرنا چاہتا ہے۔ اب کیا کریں؟

Why this matters

Hugging Face کورس کہتا ہے کہ tuning تبھی سوچیں جب prompting سے جو ملتا ہے وہ کم پڑے۔ زیادہ تر فرق واضح ہدایات اور درخواست میں چند مثالوں سے ختم ہو جاتا ہے، جس میں ایک دوپہر لگتی ہے۔ tuning میں ایک ہفتہ اور ایک مشین لگتی ہے، اس لیے یہ آخری قدم ہے۔

دو ناپے ہوئے اعداد سے فیصلہ کریں کہ کام کو tuning کی ضرورت ہے یا صرف بہتر درخواست کی۔

زیادہ تر کام جو tuning لگتے ہیں، انہیں بہتر ہدایات اور بہتر مثالیں چاہیے ہوتی ہیں۔
ترتیب سے آزمائیں: واضح ہدایات، درخواست میں مثالیں، پھر tuning۔
tuning تب فائدہ مند ہے جب کام کی شکل مقرر ہو اور چند سو سوچ سمجھ کر بنائی گئی مثالیں ہوں۔

Task

فیصلہ کریں کہ مراٹھی شکایات کو تین خانوں میں ترتیب دینے کے لیے چھوٹے ماڈل کو tuning کرنا چاہیے یا نہیں۔

Weak approach ایک ہفتے کی ٹیوننگ شروع کرتا ہے کیونکہ سادہ ہدایات سے آدھی شکایات ہی صحیح جگہ پر جاتی ہیں۔ ہدایت کو کبھی دوبارہ نہیں لکھا جاتا اور نہ ہی کوئی مثالیں شامل کی جاتی ہیں۔

Stronger approach ہدایات دوبارہ لکھتا ہے، پھر درخواست میں چھ مثالیں ڈال دیتا ہے۔ ہر بار انہی پچاس پر اسکور کرتا ہے اور دونوں اعداد لکھ لیتا ہے۔

Why the stronger approach works کمزور فیصلہ ایک ہفتہ ضائع کرتا ہے وہ جاننے میں جو ایک دوپہر بتا دیتی ہے۔ مضبوط فیصلہ کے پاس کچھ بھی خرچ کرنے سے پہلے دو ناپے ہوئے اعداد ہوتے ہیں۔

Try a changed situation ایک ساتھی ماڈل کو tuning کرنا چاہتا ہے کیونکہ اس کے جوابات بہت لمبے ہیں۔ باقی سب ٹھیک ہے۔ آپ اسے کیا کہیں گے؟

Make something yourself کوئی ایک کام چنیں۔ لکھیں کہ آپ نے پہلے کیا آزمایا، اپنے پچاس مثالوں پر اس سے کیا بدلا، اور کیا آپ tuning کریں گے۔ اندازہ نہیں، دونوں اعداد دیں۔

Read the primary or official source: Hugging Face LLM course · supervised fine-tuning