Finjustering i Microsoft Foundry

Finjustering anpassar en förtränad modell till din uppgift genom ytterligare träning på uppgiftsspecifika data. Den justerar modellens vikter i stället för att lägga till exempel i varje prompt. Du bygger vidare på modellens befintliga funktioner utan att träna en modell från grunden.

Finjustering kan vara till hjälp när du har högkvalitativa, uppgiftsspecifika träningsdata och vill:

  • Förbättra noggrannheten och relevansen. Träning på fler exempel än vad som får plats i en prompt kan lära ut uppgiftsspecifika mönster.
  • Minska overhead för promptar. Färre promptexempel kan sänka tokenkostnader och svarstid.
  • Justera stil och struktur. Svar kan följa en konsekvent ton, ett format eller ett schema.
  • Förbättra verktygsanvändningen. Träningsexempel kan förbättra verktygsval och argumentnoggrannhet.
  • Använd hämtad kontext effektivt. Modeller kan lära sig att prioritera relevant kontext och ignorera irrelevant information.
  • Specialisera en mindre modell. Lärargenererade exempel kan hjälpa en mindre modell att uppfylla uppgiftskraven till lägre kostnad och svarstid.

Fördelar garanteras inte; holdout-utvärdering hjälper dig att jämföra den finjusterade modellen med din baslinje. Finjustering/fine-tuning lägger till utbildnings- och kostnader för hosting och ersätter inte informationshämtning för aktuell information eller säkerhetskontroller på programnivå.

Välj din träningsmetod

Microsoft Foundry tillhandahåller två utbildningsmetoder. Hanterad finjustering kör ett träningsjobb från dina data och inställningar. Med interaktiv träning (förhandsversion) kan du styra träningsstegen i Python.

Båda använder Foundry-hanterad träningsinfrastruktur; du provisionerar inte tränings-GPU:er.

Note

Interaktiv utbildning är i förhandsversion och kräver uttryckligt åtkomstgodkännande. Begär åtkomst via registreringsformuläret för förhandsversionen och vänta på godkännande innan du skapar utbildningssessioner.

Finjustering med hantering Interaktiv träning (förhandsversion)
Så här fungerar det Skicka data och inställningar; Foundry kör träningsjobbet. Skriv en Python-loop; Foundry kör tränings- och samplingsåtgärder.
Bäst för Nybörjare och AI-tekniker som föredrar fördefinierade arbetsflöden framför träningsåtgärder på lägre nivå. Erfarna ML-utövare som skapar anpassade träningsarbetsflöden.
Din styrenhet Data, hyperparametrar som stöds och RFT-graders. Förluster, belöningar, rollouts, gradientackumulering, uppdateringar och kontrollpunkter.
Träningsmetoder Modellspecifik SFT, DPO och RFT; destillation via lärarmodellsgenererade SFT-data. Recept för SFT, förstärkningsinlärning, preferensinlärning, distillering och anpassade förluster.
Exempel på användningsfall Destillera från en större modell, lär dig av supportkonversationer eller förbättra svar med en bedömare. Samla in utrullningar av verktygsanvändning, tillämpa anpassade belöningar eller ändra uppdaterings- och utvärderingsbeteende för träningsloopar.

Tip

Börja med hanterad finjustering om du är nybörjare på modellanpassning. Den tillhandahåller fördefinierade arbetsflöden utan att du behöver implementera enskilda träningsåtgärder.

Modellkrav kan begränsa det här valet. En modell som stöds för ett tillvägagångssätt, en metod eller en modalitet stöds inte automatiskt för en annan. Stöd för kokboksrecept innebär inte heller att tjänsten är tillgänglig. Kontrollera tabellen modeller som stöds nedan för tillgängliga kombinationer.

Anpassningsmetoder

Anpassningsmetoder avgör hur en modell lär sig av träningsdata eller feedback, till exempel önskade svar, preferenser eller belöningar.

Method Träningssignal När den passar
Övervakad finjustering (SFT) Uppmaningar och önskade svar. Du kan demonstrera det beteende som modellen bör lära sig.
Finjustering utifrån preferenser med direkt preferensoptimering (DPO) Önskade och avvisade svar på samma indata. Kvalitet beror på inställningar som ton eller fullständighet, snarare än ett korrekt svar.
Förstärkning av finjustering (RFT) Prompter och en väghyvel som poängsätter genererade svar. Flera lösningar är möjliga och du kan på ett tillförlitligt sätt bedöma deras kvalitet.

De fördefinierade metoderna i den här tabellen gäller endast för hanterad finjustering. Interaktiv utbildning exponerar träningsprimitiver för att skapa anpassade träningsarbetsflöden.

Träningstyper

Träningstyper definierar var utbildningen körs och hur kapacitet, priser och tjänstgarantier gäller. De är separata från distributionstyper som avgör hur du tillhandahåller en tränad modell.

Träningstyp Description
Standard Utbildning sker i den aktuella Foundry-resursens region och ger garantier för datahemvist. Perfekt för arbetsbelastningar där data måste finnas kvar i en viss region.
Datazon Träning sker inom en datazon som stöds i stället för en enda region. Perfekt för arbetsbelastningar där data måste finnas kvar i den zonen. Endast US-datazonen stöds för närvarande.
Global Ger ett mer prisvärt pris jämfört med Standard med hjälp av kapacitet utanför den aktuella regionen. Data och vikter kopieras till den region där träningen sker. Perfekt om datahemvist inte är en begränsning och du vill ha snabbare kötider.
Developer Ger betydande kostnadsbesparingar genom att använda inaktiv kapacitet för träning. Det finns inga latens- eller SLA-garantier, så jobb på den här nivån kan automatiskt avbrytas och återupptas senare. Det finns inga garantier för datahemvist heller. Perfekt för experimentering och priskänsliga arbetsbelastningar.

Implementeringsalternativ

Foundry erbjuder tre distributionsalternativ med olika infrastruktur för drift och faktureringsmodeller.

  • Serverless: Foundry hostar den finjusterade modellen och hanterar infrastrukturen för modellservering.
  • Hanterad beräkning (förhandsversion): Dedikerad GPU-kapacitet kör en matchande basmodell med ett eller flera kompatibla LoRA-kort.
  • Fireworks on Foundry (förhandsversion): Fireworks-körningen tillhandahåller en adapter som sammanfogats till en fullviktig kopia av basmodellen.

Serverlös och Fireworks erbjuder olika distributionstyper som avgör bearbetningens geografi, kapacitet och faktureringsmodell. Tillgänglighet beror på modell, distributionsalternativ och artefakt.

Distributionstyp Description
Standard Kör slutsatsdragning i distributionens region med fakturering per token och tillämpliga fine-tuned-model hosting-avgifter.
Standard för datazon Kör slutsatsdragning inom en datazon som stöds med fakturering per token. Endast den amerikanska datazonen stöds.
Global Standard Använder global kapacitet med fakturering per token. Anpassade modellvikter kan tillfälligt lagras utanför resursens geografiska område.
Developer Kör inferens globalt med fakturering per token och ingen timavgift för drift eller garanti för datahemvist. Endast för utvärdering; varar i 24 timmar och har inget serviceavtal för tillgänglighet.
Provisionerad bandbredd Tillhandahåller regional kapacitet som faktureras i etablerade genomströmningsenheter (PTUs) för förutsägbar genomströmning.
Global provisionerad Använder global kapacitet med PTU-baserad fakturering för importerade anpassade modeller.

Modeller som stöds

Dina krav kan kräva en specifik modell eller träningsmetod. Använd tabellen för att kontrollera vilka kombinationer som stöder din anpassningsmetod, träningstyp och distributionsalternativ.

För serverlösa distributioner som stöds är Global Standard, Data Zone Standard och Developer tillgängliga om inte en förklaring anger något annat. Kontrollera distributionsregionerna Standard och Distributionsregioner för etablerat dataflöde för dessa distributionstyper.

Modell-ID Approach Träningstyper Implementeringsalternativ
MAI-Code-1.1-Flash
(förhandsversion)		 Hanterad: ✅ (RFT)
Interaktiv: ❌		 Standard: ❌
Datazon: ❌
Global: ✅
Utvecklare: ✅		 Serverless: ✅2
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
Muse-Glimmer-30B
(förhandsversion)		 Hanterad: ✅ (SFT, RFT)
Interaktiv: ✅		 Standard: ❌
Datazon: ❌
Global: ✅
Utvecklare: ✅		 Serverlös: ❌
Hanterad beräkningstjänst: ✅
Fyrverkerier: ✅1
Llama-3.3-70B-Instruct Hanterad: ✅ (SFT)
Interaktiv: ❌		 Standard: ❌
Datazon: ✅
Global: ✅
Utvecklare: ❌		 Serverless: ✅2
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
Qwen3-32B Hanterad: ✅ (SFT)
Interaktiv: ❌		 Standard: ❌
Datazon: ✅
Global: ✅
Utvecklare: ❌		 Serverless: ✅2
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
Qwen3.6-35B-A3B
(förhandsversion)		 Hanterad: ✅ (SFT, RFT)
Interaktiv: ✅		 Standard: ❌
Datazon: ❌
Global: ✅
Utvecklare: ✅		 Serverlös: ❌
Hanterad beräkningstjänst: ✅
Fyrverkerier: ✅1
Qwen3.8-27B
(förhandsversion)		 Hanterad: ✅ (SFT, RFT)
Interaktiv: ✅		 Standard: ❌
Datazon: ❌
Global: ✅
Utvecklare: ✅		 Serverlös: ❌
Hanterad beräkningstjänst: ✅
Fyrverkerier: ✅1
gpt-oss-20b Hanterad: ✅ (SFT)
Interaktiv: ✅		 Standard: ❌
Datazon: ✅
Global: ✅
Utvecklare: ❌		 Serverless: ✅2
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
gpt-oss-120b
(förhandsversion)		 Hanterad: ✅ (SFT, RFT)
Interaktiv: ✅		 Standard: ❌
Datazon: ❌
Global: ✅
Utvecklare: ✅		 Serverlös: ❌
Hanterad beräkningstjänst: ✅
Fyrverkerier: ✅1
Ministral-3B
(2411)		 Hanterad: ✅ (SFT)
Interaktiv: ❌		 Standard: ❌
Datazon: ✅
Global: ✅
Utvecklare: ❌		 Serverless: ✅2
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
gpt-4o-mini
(2024-07-18)		 Hanterad: ✅ (SFT)
Interaktiv: ❌		 Standard: ✅
Datazon: ✅
Global: ✅
Utvecklare: ✅		 Serverlös: ✅5
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
gpt-4o
(2024-08-06)		 Hanterad: ✅ (SFT, DPO)
Interaktiv: ❌		 Standard: ✅
Datazon: ✅
Global: ✅
Utvecklare: ✅		 Serverlös: ✅5
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
gpt-4.1
(2025-04-14)		 Hanterad: ✅ (SFT, DPO)
Interaktiv: ❌		 Standard: ✅
Datazon: ✅
Global: ✅
Utvecklare: ✅		 Serverlös: ✅
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
gpt-4.1-mini
(2025-04-14)		 Hanterad: ✅ (SFT, DPO)
Interaktiv: ❌		 Standard: ✅
Datazon: ✅
Global: ✅
Utvecklare: ✅		 Serverlös: ✅
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
gpt-4.1-nano
(2025-04-14)		 Hanterad: ✅ (SFT, DPO)
Interaktiv: ❌		 Standard: ✅
Datazon: ✅
Global: ✅
Utvecklare: ✅		 Serverlös: ✅
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
o4-mini
(2025-04-16)		 Hanterad: ✅ (RFT)
Interaktiv: ❌		 Standard: ✅
Datazon: ✅
Global: ✅
Utvecklare: ✅		 Serverlös: ✅
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
gpt-5
(2025-08-07)3		 Hanterad: ✅ (RFT)
Interaktiv: ❌		 Standard: ✅
Datazon: ✅
Global: ✅
Utvecklare: ❌		 Serverless: ✅4
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
MedImageInsight-Premium
(förhandsversion)		 Hanterad: ✅ (SFT)
Interaktiv: ❌		 Global Serverless: ✅2
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌
CXRReportgen-Premium
(förhandsversion)		 Hanterad: ✅ (SFT)
Interaktiv: ❌		 Global Serverless: ✅2
Hanterad beräkningstjänst: ❌
Fyrverkerier: ❌

Förklaring

  • 1 Endast distributionstypen Provisioned Throughput stöds.
  • 2 Endast distributionstypen Global Standard stöds.
  • 3 GPT-5-reinforcement fine-tuning kräver en inbjudan. Kontakta ditt Microsoft-kontoteam för anslutning.
  • 4 Endast distributionstypen Standard stöds. Se standardregioner för distribution.
  • 5 Distributionstypen för utvecklare stöds inte.

Globala utbildningsregioner som stöds

Note

Global utbildning ger mer prisvärd utbildning per token, men erbjuder inte datahemvist.

Tabellen visar de Foundry-projektregioner som krävs för att använda global hanterad finjustering och interaktiv träning (förhandsversion). Välj en region som stöds för din modell och träningsmetod, inklusive begränsningarna nedan. Standard- och datazonsutbildning har separat regionalt stöd.

projektregion för Foundry Finjustering med hantering Interaktiv träning (förhandsversion)
Australia East ✅ ✅
Brazil South ✅ 1 ❌
Canada Central ✅ 1 ❌
Canada East ✅ 1 ✅
East US ✅ ✅
USA, östra delen 2 ✅ ✅
France Central ✅ 1 ❌
Tyskland Västcentral ✅ 1 ❌
Italy North ✅ 1 ❌
Japan East ✅ 1,2 ❌
Korea Central ✅ ✅
Norra centrala USA ✅ ✅
Norway East ✅ 1 ❌
Poland Central ✅ 1,3 ❌
Sydafrika Nord ✅ 1 ❌
Södra centrala USA ✅ 1 ❌
South India ✅ 1 ❌
Southeast Asia ✅ 1 ❌
Spain Central ✅ 1 ❌
Sweden Central ✅ ✅
Switzerland North ✅ ✅
Switzerland West ✅ 1 ❌
UAE North ✅ 4 ✅
UK South ✅ ✅
West Europe ✅ 1 ❌
West US ✅ 1 ❌
Västra USA 3 ✅ ✅
  • 1 Hanterad finjustering för Qwen3.6-35B-A3B, Qwen3.8-27B, Muse-Glimmer-30Boch gpt-oss-120b stöds inte i den här regionen.
  • 2 finjustering för Vision stöds inte i Japan East.
  • 3 Hanterad finjustering för gpt-4.1-nano stöds inte i Poland Central.
  • 4 UAE North stöder endast global hanterad finjustering för Qwen3.6-35B-A3B, Qwen3.8-27B, Muse-Glimmer-30Boch gpt-oss-120b.

Standarddistributionsregioner som stöds

Endast följande modeller stöder serverlösa Standard-distributioner. Kontrollera regional tillgänglighet i tabellen.

Modell-ID USA, östra delen 2 Norra centrala USA Sweden Central
gpt-4o-mini ❌ ✅ ✅
gpt-4o ✅ ❌ ✅
gpt-4.1 ❌ ✅ ✅
gpt-4.1-mini ❌ ✅ ✅
gpt-4.1-nano ❌ ✅ ✅
o4-mini ✅ ❌ ✅
gpt-5 ❌ ✅ ✅

Distributionsregioner för provisionerat dataflöde som stöds

Endast följande modeller stöder distributioner av serverless Provisioned Throughput i de listade regionerna.

Modell-ID Norra centrala USA Sweden Central
gpt-4o-mini ✅ ✅
gpt-4o ✅ ✅
gpt-4.1 ❌ ✅

Utmaningar och begränsningar

Finjustering är en iterativ teknisk process, inte en garanterad förbättring.

Utmaning Så här åtgärdar du det
Datakvalitet och täckning Använd korrekta, konsekventa, representativa exempel. Granska scenarier som saknas, dubbletter, bias och känslig information innan du laddar upp data.
Överanpassning och utvärderingsläckage Separera tränings-, validerings- och sluttestdata. Jämför kontrollpunkter på reserverade valideringsuppgifter, inte bara träningsförlust.
Vilseledande belöningssignaler Testa RFT-bedömare mot korrekta, felaktiga och kontradiktoriska svar. Stigande belöning ger inte bättre uppgiftsprestation om modellen utnyttjar granskaren.
Experiment och kostnader Budget för upprepade körningar, bedömning, utvärdering, värdtjänster och slutsatsdragning. Stoppa experimenten som inte förbättrar målmåttet.
Modell- och serveringskompatibilitet Bekräfta metod, nivåindelning, version och berättigande för driftsättning före träning. En adapter är inte utbytbar mellan basmodeller med liknande namn.
Maintenance Omvärdera kvaliteten när uppgiftsdata ändras eller en basmodell närmar sig tillbakadragning. Omträning och omplacering kan vara nödvändigt.
Säkerhet och governance Granska datahantering och hanterad säkerhetsutvärdering. Behåll säkerhetskontroller på programnivå och utvärdera den slutliga körningsmiljön för servering.
Interaktiva ansvar vid körning Underhåll din drivare, miljöer, tokenisering, kontrollpunkter och återställningslogik. Sampling i sessionen är inget bevis på hur produktionsserveringen beter sig.

Nästa steg

Börja med guiden för din träningsmetod och distribuera och utvärdera sedan din finjusterade modell.

  • Uppdaterades senast