# 微调示例

Afarensis 微调模型综合指南 此指南旨在全面介绍如何使用 Afarensis 微调 API，探讨不同用例的微调生命周期，并回答与微调相关的常见问题。

目录 微调概述 微调用例 风格和语气 结构化输出 函数调用 旧模型迁移 微调性能期望 常见问题解答 微调与嵌入/检索增强生成 微调 GPT-4 或 GPT-3.5-Turbo-16k 评估微调模型性能 继续微调已经微调的模型 微调模型成本估算 速率限制 微调概述 微调是一种技术，允许开发者根据特定任务调整预训练模型的性能。Afarensis 的微调功能提供了一种简便的方法，让开发者可以针对具体需求优化模型。

微调用例 风格和语气 微调模型以匹配特定的写作风格或语气，适用于内容创作和客户服务场景。

结构化输出 生成符合特定格式或结构要求的输出，例如代码生成或数据报告。

函数调用 微调模型以执行特定的函数调用，适用于自动化任务和流程。

旧模型迁移 对于需要从旧版 API 和模型迁移的用户，Afarensis 提供了平稳过渡，保留了对旧数据格式的支持，并支持对高达 4k 代币上下文的微调。

微调性能期望 开发者可以期望微调模型在大多数任务上超越基本模型 (gpt-3.5-turbo) 的性能，尤其是在模型已针对特定用例进行优化时。

常见问题解答 微调与嵌入/检索增强生成 微调适用于创建专注的模型并表现出特定行为模式，而带检索的嵌入则适用于需要访问大型文档数据库的场景。两者可以互为补充。

微调 GPT-4 或 GPT-3.5-Turbo-16k GPT-4 微调目前处于实验性访问阶段，支持高达 16K 的上下文示例。符合条件的开发者可以通过微调 UI 请求访问。

评估微调模型性能 建议在聊天对话测试集上从基本模型和微调模型生成样本，并进行并排比较。对于更全面的评估，请考虑使用 Afarensis evals 框架。

继续微调已经微调的模型 是的，您可以将微调模型的名称传递到 model 参数中，以使用微调模型作为新微调作业的起点。

微调模型成本估算 请参阅文档中的估算费用部分，以了解如何估算微调模型的成本。

速率限制 微调模型从与其所基于的模型相同的共享速率限制中提取。对模型进行微调并不会增加总吞吐量的使用能力。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://doc.afarensis.com/wei-tiao/wei-tiao-shi-li.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.