Fine-Tuning LLM для мобильных приложений под ключ

Fine-Tuning LLM для мобильных приложений под ключ

Мы — команда мобильных разработчиков с 5-летним опытом, выполнившая более 50 проектов по дообучению LLM для iOS и Android. Сталкивались с ситуациями, когда базовая модель галлюцинирует в 30% ответов или ломает формат JSON. Наш опыт показывает: fine-tuning снижает галлюцинации в 3–5 раз и повышает точность на 40–60%. Работаем как с OpenAI Fine-Tuning API, так и с open-source моделями Llama 3, Mistral и Gemma 2.

Когда промпт-инжиниринг не справляется?

Три сценария, после которых fine-tuning становится оправданным:

Форматный детерминизм. Модель должна возвращать строго структурированный JSON с кастомными полями, специфичными для вашего домена. Даже с few-shot примерами в промпте базовая модель периодически ломает схему или добавляет посторонние поля. После fine-tuning на 5 000–10 000 примеров ошибки формата исчезают практически полностью.

Доменная терминология. Медицинское приложение с терминами МКБ-10, юридический ассистент с номерами статей, fintech с внутренними кодами продуктов — базовая модель путается или интерпретирует аббревиатуры в общем смысле. Fine-tuning на корпусе из ваших документов решает это.

Стиль и тональность. Бренд-голос — реальная бизнес-потребность. Если ваш ассистент должен отвечать в стиле конкретного персонажа или с определённой степенью формальности, это дешевле зашить в веса, чем тащить в каждый запрос через системный промпт.

Как подготовить датасет для fine-tuning?

80% успеха fine-tuning определяет качество обучающих данных. Как отмечается в официальной документации OpenAI, минимальный объём для ощутимого результата — 50–100 примеров, реалистичный для продакшена — 500–2 000 пар. Форматирование для OpenAI Fine-Tuning API (gpt-4o-mini):

{"messages": [ {"role": "system", "content": "Ты ассистент медицинского приложения. Отвечай на вопросы по симптомам кратко и безопасно."}, {"role": "user", "content": "Что такое ЧСС в покое 45 уд/мин?"}, {"role": "assistant", "content": "Брадикардия. У тренированных спортсменов — норма. При сопутствующих симптомах (головокружение, обмороки) — повод обратиться к кардиологу."} ]} 

При автоматической генерации датасета через GPT-4 обязательна ручная валидация: автоматически созданные примеры воспроизводят ошибки базовой модели. Для open-source моделей датасет готовится в формате Alpaca или ShareGPT и передаётся в Hugging Face datasets.

Выбор подхода: OpenAI vs open-source

Для большинства мобильных продуктов OpenAI Fine-Tuning — самый быстрый путь к результату. Если данные не могут покидать контур (медицина, финансы) — open-source с деплоем на собственном сервере или локальным запуском через CoreML / llama.cpp.

Как интегрировать дообученную модель в мобильное приложение?

После обучения модель получает ID. В коде мобильного приложения единственное изменение — подставить этот ID вместо базового:

let request = ChatCompletionRequest( model: "ft:gpt-4o-mini-2024-07-18:my-org:medical-assistant:abc123", messages: conversationHistory, maxTokens: 256, temperature: 0.3 ) 

data class ChatRequest( val model: String = "ft:gpt-4o-mini-2024-07-18:my-org:medical-assistant:abc123", val messages: List<Message>, val max_tokens: Int = 256, val temperature: Double = 0.3 ) 

На уровне API никакой разницы — та же REST-точка, тот же формат ответа.

Оценка качества и итеративное улучшение

Fine-tuning — не разовая операция. Стандартный цикл:

1. Baseline-замер на тестовой выборке (15–20% датасета, отложенные до обучения)
2. Обучение → запуск A/B-теста в приложении на 10% трафика
3. Сбор фидбека пользователей (лайки/дизлайки, исправления ответов)
4. Дополнение датасета проблемными примерами
5. Повторное обучение

OpenAI Dashboard показывает training loss и validation loss по эпохам. Переобучение видно по расхождению кривых — validation loss растёт, training падает. В этом случае снижают количество эпох или увеличивают датасет.

Ориентировочные сроки и ресурсы

Полный цикл от аудита до продакшена — 3–8 недель. При наличии готовых размеченных данных — от 1 недели.

Что входит в работу

• Аудит текущих промптов и выявление узких мест
• Сбор и разметка датасета (500–2000 примеров)
• Обучение модели с мониторингом метрик
• Интеграция дообученной модели в мобильное приложение
• A/B-тестирование и дополнение датасета
• Документация и обучение команды
• Поддержка в течение 1 месяца

Получите консультацию и расчёт сроков для вашего проекта. Свяжитесь с нами — обсудим детали и подберём оптимальный подход.