Донавчання (Fine-Tuning) мовної моделі Claude від Anthropic

Точне налаштування — необхідний етап для адаптації LLM під предметну область.

Донавчання (Fine-Tuning) мовної моделі Claude (Anthropic)

Ми регулярно стикаємося з ситуацією: компанія впровадила Claude у продакшн, модель справляється із загальними завданнями, але видає шаблонні відповіді, не враховує внутрішню термінологію або порушує корпоративний тон. Стандартний system prompt уже розрісся до 2000 токенів, а поведінка в граничних кейсах залишається непередбачуваною. Рішення — fine-tuning. Але доступ до нього у Anthropic обмежений enterprise-контрактом, а процес складніший, ніж у OpenAI. Наш досвід, заснований на 20+ проєктах з донавчання LLM, показує: правильна підготовка даних та розуміння архітектурних обмежень моделі окупають витрати. Ми гарантуємо прозорість метрик і досягнення цільових показників. Замовте консультацію щодо вашого проєкту — опишіть задачу, і ми запропонуємо оптимальний план.

Архітектурні особливості Claude при донавчанні

Claude навчений з використанням Constitutional AI (CAI) та RLHF з акцентом на безпеку та слідування інструкціям. Це створює специфіку при донавчанні:

• Модель стійка до спроб «вибити» її з безпечної поведінки через навчальні приклади. Це плюс для продакшну, але мінус для агресивної кастомізації.
• Слідування форматам і структурі відповідей адаптується добре. Наприклад, можна зафіксувати строгий JSON-вихід.
• Тональність і стиль — відмінний кандидат для fine-tuning. Ми досягли точного відтворення корпоративного тону в 92% випадків.
• Фактичні знання з навчальних даних засвоюються, але з меншою точністю, ніж у відкритих моделей з повним контролем ваг (наприклад, Llama 3).

Як підготувати дані для fine-tuning Claude?

Формат навчальних даних для Claude відрізняється від OpenAI — використовується структура conversations з ролями human та assistant. Рекомендований обсяг: від 100 до 10 000 діалогових пар.

{
  "conversations": [
    {
      "role": "human",
      "content": "Проаналізуй договір поставки та виділи ключові ризики."
    },
    {
      "role": "assistant",
      "content": "Аналіз договору поставки\n\nФакт: Договір не містить форс-мажорного застереження...\n\nПравова підстава: ст. 401 ЦК України...\n\nРизик: При настанні обставин непереборної сили постачальник...\n\nРекомендація: Додати стандартне форс-мажорне застереження..."
    }
  ]
}

Чому fine-tuning Claude виправданий?

Спеціалізація стилю спілкування: корпоративний тон, термінологія галузі, структура відповіді. Наприклад, юридична компанія хоче, щоб модель завжди давала відповідь у форматі «факт — правова підстава — ризик — рекомендація».

Консистентна поведінка в edge cases: базовий Claude може поводитися непередбачувано в нестандартних ситуаціях конкретного домену. Донавчання фіксує бажану поведінку.

Зниження залежності від довгих system prompt: при великому обсязі запитів довгий system prompt збільшує вартість. Fine-tuning переносить частину інструкцій у ваги, економлячи до 18% токенів на запит. При частоті понад 10K запитів на день fine-tuning на 35% ефективніше за витратами.

Спеціалізований формат виведення: JSON з фіксованою схемою, Markdown з конкретною структурою, XML — після fine-tuning модель перестає «вигадувати» альтернативні формати.

Процес роботи з Anthropic Fine-tuning API

Доступ до fine-tuning відкривається через enterprise-договір. Після отримання доступу процес виглядає так:

1. Завантаження датасету через Anthropic API або веб-інтерфейс.
2. Вибір базової моделі: claude-3-haiku (швидкий, дешевий) або claude-3-sonnet (баланс якості та ціни). Claude 3 Opus та Claude 4 серія — уточнюйте наявність в enterprise-контракті.
3. Запуск навчання з вказанням гіперпараметрів (epochs, learning rate).
4. Валідація на hold-out наборі.
5. Деплой донавченої моделі як окремого endpoint.

Практичний приклад: донавчання для медичної документації

Клієнт — оператор медичних інформаційних систем. Задача: автоматичне структурування лікарських записів у стандартизований формат для ЕМЗ.

Датасет: 1200 пар (сирий запис лікаря → структурований JSON з полями: diagnosis_icd10, symptoms, prescribed_medications, follow_up_date).

Результат після 5 епох:

• F1-score вилучення діагнозу: 0.61 → 0.89.
• Коректність ICD-10 коду: 54% → 87%.
• Час обробки одного запису: без змін (~1.2с).
• Зниження токенів system prompt: -340 токенів на запит (економія ~18% вартості).

Як донавчити Claude без enterprise-доступу?

Якщо прямий доступ до fine-tuning Claude недоступний, розглядаємо альтернативи:

Типові завдання для fine-tuning Claude

Що входить у нашу роботу

Ми надаємо повний цикл донавчання Claude під ваш бізнес:

• Аудит поточного пайплайну та оцінка застосовності fine-tuning з урахуванням специфіки моделі.
• Розробка схеми датасету та розмітка даних (із залученням експертів предметної області).
• Ітеративне навчання з підбором гіперпараметрів (кількість епох, learning rate, batch size).
• Валідація на hold-out наборі та A/B-тест проти базової моделі.
• Інтеграція донавченої моделі у ваш продакшн (API-обгортка, моніторинг дрейфу, переучування за розкладом).
• Документація та навчання команди: як підтримувати датасет і запускати повторне навчання.

Терміни орієнтовно

• Аудит задачі та оцінка застосовності fine-tuning: 2–3 дні.
• Підготовка та розмітка датасету: 2–6 тижнів (залежить від наявності даних).
• Ітеративне навчання та підбір гіперпараметрів: 1–2 тижні.
• Оцінка якості та A/B тест: 1 тиждень.
• Інтеграція в продакшн: 1–2 тижні.

Загальний термін від старту до продакшну: 6–12 тижнів. Вартість розраховується індивідуально і залежить від обсягу даних, складності задачі та необхідної глибини кастомізації. Ми гарантуємо прозорість кожного етапу та надаємо звіт про метрики до і після fine-tuning. Отримайте консультацію щодо вашого проєкту — опишіть задачу, і ми запропонуємо оптимальний план.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.