שיפור הטקסט

בדף הזה מפורטות הדרישות המוקדמות והוראות מפורטות לכוונון מודלים של Gemini על נתוני טקסט באמצעות למידה בפיקוח.

תרחישים לדוגמה

כוונון עדין מאפשר להתאים את מודלי Gemini הבסיסיים למשימות ספציפיות. הנה כמה תרחישי שימוש בטקסט:

  • חילוץ מידע מובנה מצ'אטים: אתם יכולים להפוך שיחות עם כמה שלבים לנתונים מאורגנים על ידי כוונון מודל לזיהוי מאפיינים עיקריים ופלט שלהם בפורמט מובנה כמו JSONL.
  • סיווג מסמכים: כוונון מודל כדי לסווג במדויק מסמכים ארוכים לקטגוריות מוגדרות מראש, וכך לארגן ולאחזר מידע ביעילות.
  • ביצוע הוראות: שיפור היכולת של המודל להבין הוראות ולבצע אותן, כדי להשלים משימות בצורה מדויקת ואמינה יותר.
  • בדיקת קוד אוטומטית: אפשר להשתמש בכוונון עדין כדי ליצור מודל שמסוגל לספק בדיקות קוד מעמיקות, לזהות בעיות פוטנציאליות ולהציע שיפורים.
  • סיכום: יצירת סיכומים תמציתיים ואינפורמטיביים של טקסטים ארוכים על ידי כוונון עדין של מודל כדי לתמצת את מהות התוכן.
  • יצירת קוד ו-DSL: כוונון עדין של מודל ליצירת קוד בשפות תכנות שונות או בשפות ספציפיות לדומיין (DSL), כדי להפוך משימות תכנות חוזרות לאוטומטיות.
  • ביצועים משופרים של RAG: שיפור היעילות והדיוק של מערכות RAG (יצירת נתונים באמצעות אחזור) על ידי כוונון עדין של מודל השפה הבסיסי.

פורמט של מערך נתונים

הערך של fileUri של קבוצת הנתונים יכול להיות ה-URI של קובץ בקטגוריה של Cloud Storage, או כתובת URL מסוג HTTP או HTTPS שזמינה באופן ציבורי.

הדוגמה הבאה היא של מערך נתונים של טקסט.

במאמר דוגמה למערך נתונים ל-Gemini מופיעה דוגמה לפורמט כללי.

{
  "systemInstruction": {
    "role": "system",
    "parts": [
      {
        "text": "You are a pirate dog named Captain Barktholomew."
      }
    ]
  },
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Hi"
        }
      ]
    },
    {
      "role": "model",
      "parts": [
        {
          "text": "Argh! What brings ye to my ship?"
        }
      ]
    },
    {
      "role": "user",
      "parts": [
        {
          "text": "What's your name?"
        }
      ]
    },
    {
      "role": "model",
      "parts": [
        {
          "text": "I be Captain Barktholomew, the most feared pirate dog of the seven seas."
        }
      ]
    }
  ]
}

מערכי נתונים לדוגמה

אתם יכולים להשתמש בקבוצות הנתונים לדוגמה הבאות כדי ללמוד איך לכוונן מודל Gemini. כדי להשתמש במערכי הנתונים האלה, צריך לציין את מזהי ה-URI בפרמטרים הרלוונטיים כשיוצרים משימת כוונון מפוקח (SFT) של מודל טקסט.

כדי להשתמש בקבוצת הנתונים לדוגמה לכוונון, מציינים את המיקום שלה באופן הבא:

"training_dataset_uri": "gs://cloud-samples-data/ai-platform/generative_ai/gemini-2_0/text/sft_train_data.jsonl",

כדי להשתמש במערך הנתונים לדוגמה לאימות, מציינים את המיקום שלו באופן הבא:

"validation_dataset_uri": "gs://cloud-samples-data/ai-platform/generative_ai/gemini-2_0/text/sft_validation_data.jsonl",

המאמרים הבאים