Дообучення (Fine-Tuning) YandexGPT: адаптація під російські завдання

Базова YandexGPT помиляється в 26% випадків на специфічних запитах — юридичних формулюваннях, фінансових звітах або внутрішній термінології. Відповіді стають шаблонними, класифікація — неточною. Fine-tuning YandexGPT вирішує цю проблему: ми адаптуємо модель під ваші дані та сценарії, не змінюючи базову архітектуру. Всі дані залишаються в Росії на сертифікованій інфраструктурі Yandex Cloud, що критично для дотримання 152-ФЗ. Точність моделі підвищується до 90% і вище, що підтверджується нашими кейсами. Ми дообчаємо YandexGPT для вирішення NLP-завдань: класифікації, генерації, аналізу тональності. Замовте пілотний проект і оцініть результат на своїх даних. Наші інженери мають досвід дообучення моделей для банків, телекому та рітейлу — якість підтверджена кейсами з суттєвою економією.

Як підготувати датасет для fine-tuning YandexGPT?

Якість дообучення безпосередньо залежить від датасету. Yandex рекомендує мінімум 100 різноманітних прикладів, але на практиці оптимальний обсяг — від 500 до 5000. Формат — JSON Lines, де кожен приклад — діалог з ролями system, user, assistant. Підготовка включає:

• Збір реальних діалогів з вашої CRM або чатів.
• Очищення від персональних даних (деперсоналізація для відповідності 152-ФЗ).
• Розмітку правильних відповідей експертами або на основі історичних даних.
• Розбивку на навчальну, валідаційну та тестову вибірки (70/15/15).

Приклад рядка датасету:

{
  "request": {
    "messages": [
      {
        "role": "system",
        "text": "Ти — асистент банку, що консультує по вкладах."
      },
      {
        "role": "user",
        "text": "Яка ставка по вкладу «Накопичувальний плюс» при сумі 500 000?"
      }
    ]
  },
  "response": "По вкладу «Накопичувальний плюс» ставка до 15% річних при сумі від 500 000 рублів на строк 6 місяців."
}

Які фактори впливають на якість дообучення?

Основні фактори: обсяг датасету, різноманітність прикладів, кількість епох і learning rate. Ми рекомендуємо підбирати гіперпараметри через експериментальні запуски. Типові значення:

Запуск через CLI Yandex Cloud:

yc ai dataset create \
  --name "bank-faq-dataset" \
  --description "FAQ банківських продуктів" \
  --task-type TextToTextGeneration \
  --upload-format JsonLines \
  --upload-path ./train.jsonl

yc ai tuning create \
  --name "yandexgpt-bank-faq" \
  --base-model-uri "ds://bt1..." \
  --train-datasets uri=<dataset_uri>,weight=1.0 \
  --arguments epochCount=4,learningRate=0.0001,warmupRatio=0.1

Порівняння fine-tuning YandexGPT з альтернативами

Fine-tuning YandexGPT в 3 рази дешевший і в 2 рази швидше впроваджується, ніж GPT-4o з адаптацією під російські вимоги. Порівняння з альтернативами підтверджує, що для російськомовних завдань fine-tuning YandexGPT дає найкраще поєднання якості та безпеки.

Кейс: дообучення YandexGPT для телеком-оператора

Типові помилки при fine-tuning та як їх уникнути

Навіть при правильно підготовленому датасеті можливі проблеми. Основні:

• Перенавчання при кількості епох більше 10. Перевіряйте loss на валідації кожні 2 епохи.
• Дрейф даних — після розгортання модель може працювати гірше через змінені запити. Налаштуйте регулярний моніторинг і дообучення раз на 1–3 місяці.
• Некоректна конфігурація batch size більше 64 може викликати OOM на GPU. Використовуйте batch size 16–32 і при необхідності gradient accumulation.

Етапи роботи

1. Аналіз завдання та даних — вивчаємо ваші датасети, бізнес-процеси, вимоги до моделі. Оцінюємо обсяг, якість, необхідність аугментації.
2. Підготовка датасету — очищаємо, деперсоналізуємо, розмічаємо. Готуємо baseline-метрики на оригінальній моделі.
3. Fine-tuning та експерименти — запускаємо серію експериментів через Yandex DataSphere з різними гіперпараметрами. Вибираємо найкращу модель за валідаційною вибіркою.
4. Тестування — проводимо A/B-тест на реальних запитах. Оцінюємо бізнес-метрики: точність, час відповіді, відсоток ручних правок.
5. Інтеграція та деплой — модель вивантажується в endpoint Yandex Cloud, підключається до ваших систем через API. Інтеграція з CRM, чатами, телефонією.
6. Моніторинг та дообучення — відстежуємо якість, при необхідності дообчаємо на нових даних. Регулярне оновлення — раз на 1–3 місяці.

Гарантія результату

Ми надаємо сертифікованих інженерів, досвідчених у fine-tuning мовних моделей. Гарантуємо прозорість кожного етапу: ви отримуєте датасет, навчену модель, документацію та консультацію. У разі зниження якості після впровадження — проводимо коригування безкоштовно протягом 3 місяців.

Deliverables

• Готовий датасет для fine-tuning у форматі JSON Lines.
• Навчена модель, розгорнута в Yandex Cloud (endpoint).
• Документація з налаштування та інтеграції (Swagger, приклади коду).
• Інструкція з моніторингу та оновлення моделі.
• Консультація для ваших інженерів (2 години онлайн).

Орієнтовні строки та пілотний проект

Строки: від 3 до 8 тижнів залежно від складності завдання та обсягу даних. На першому етапі ми безкоштовно оцінюємо ваш проект: аналізуємо датасет, підбираємо підхід, називаємо вартість. Отримайте консультацію — напишіть нам у Telegram або залиште заявку на сайті. Замовте пілот — зв'яжіться з нами, щоб обговорити ваш проект.

Поняття fine-tuning описує базову концепцію дообучення нейромереж. Wikipedia.

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.