微调概述
警告
每次微调作业至少收取 $4 的费用，每个模型每月收取 $2 的存储费。有关更详细的定价信息，请访问我们的定价页面。
微调基础
微调 vs. Prompting
在决定是使用 Prompt 工程还是微调 AI 模型时，很难确定哪种方法最好。通常建议从 Prompt 工程开始，因为它更快且资源消耗更少。为了帮助您选择正确的方法，以下是 Prompting 和微调的主要优势
-
Prompting 的优势
- 通用模型开箱即用（可以通过零样本方式描述任务）
- 无需任何微调数据或训练即可工作
- 可以轻松更新以适应新的工作流程和原型设计
请查阅我们的Prompt 指南，探索 Mistral 模型的各种功能。
-
微调的优势
- 效果显著优于 Prompting
- 通常比大型模型效果更好（更快更便宜，因为它不需要很长的 Prompt）
- 与目标任务更好地对齐，因为它已针对这些任务进行了专门训练
- 可用于教授模型新的事实和信息（例如高级工具或复杂工作流程）
常见用例
微调有广泛的用例，其中包括
- 定制模型以特定格式和语气生成响应
- 将模型专门用于特定主题或领域，以提高其在特定领域任务上的性能
- 通过从更强大、更有力的模型进行蒸馏来改进模型，训练它模仿大型模型的行为
- 通过模仿带有复杂 Prompt 的模型的行为来增强模型的性能，但无需实际 Prompt，从而节省 token 并降低相关成本
- 使用小型高效的微调模型降低成本和延迟