Trzy prawdziwe raporty
Każdy przeszedł przez zwykły pipeline finetuna: JSONL na wejściu, QLoRA na RTX 4090, GGUF i report.html na wyjściu. Nic nie jest wycięte ani poprawione. Zbiory są publiczne, więc możesz odtworzyć każdy z nich za 5 USD.
Wydźwięk polskich recenzji na Bieliku 11B
Polska recenzja na wejściu, jedno słowo na wyjściu: pozytywna, negatywna, neutralna albo niejednoznaczna.
- Model
- Bielik 11B v3 Instruct
- Zbiór
- PolEmo 2.0 (clarin-pl, via allegro/klej-polemo2-in), CC BY-SA 4.0
- Rozmiar
- 2000 linii, 1 epoka
- Wynik
- trenuje się, raport pojawi się tu po dostawie
- Na co patrzeć
- Model bazowy tłumaczy się akapitem. Dostrojony odpowiada etykietą i częściej trafia w recenzje niejednoznaczne.
Ekstrakcja encji do JSON na Qwen3 8B
Zdanie na wejściu, jeden obiekt JSON na wyjściu z ośmioma stałymi kluczami (person, organization, location, event, product, art, building, other).
- Model
- Qwen3 8B
- Zbiór
- Few-NERD, supervised split (DFKI-SLT), CC BY-SA 4.0
- Rozmiar
- 3000 linii, 2 epoki
- Wynik
- trenuje się, raport pojawi się tu po dostawie
- Na co patrzeć
- Model bazowy dodaje myślenie, prozę albo dodatkowe klucze. Dostrojony zwraca schemat za każdym razem, więc json.loads nie wywala się nigdy.
Przepisywanie w stylu Yody na Llama 3.1 8B
Zwykłe zdanie na wejściu, to samo zdanie po yodowsku na wyjściu. Nic więcej.
- Model
- Llama 3.1 8B Instruct
- Zbiór
- yoda_sentences (dvgodoy), Apache 2.0
- Rozmiar
- 720 linii, 3 epoki
- Wynik
- trenuje się, raport pojawi się tu po dostawie
- Na co patrzeć
- 720 linii to mały zbiór. Zobacz, czy dostrojony model gubi wstęp i trzyma spójny szyk inwersji.
Jak to odtworzyć
Skrypt, który buduje te trzy pliki JSONL ze źródłowych zbiorów, leży w repozytorium jako demos/prepare.py. Wgraj jego wynik na stronie Nowy job, wybierz ten sam model i liczbę epok. Prompt systemowy z pierwszej linii pliku wpisz w pole promptu systemowego, żeby Modelfile go niósł.