為生產最佳化並微調 AI Agent
中級
資料科學家
AI 工程師
Microsoft Foundry
學習評估與選擇微調方法、辨識代理人品質問題、準備訓練資料，並利用超參數配置與迭代評估設計優化策略。
學習目標
在本模組結束時，您將能夠：
- 根據品質需求、資料可用性及成本限制，評估並選擇包括監督微調（SFT）、強化微調（RFT）及直接偏好優化（DPO）等微調方法。
- 識別代理人品質問題，並找出哪種微調方法能解決格式不一致、語氣不一致或推理失敗的根本原因。
- 透過驗證每種微調方法的格式要求，並應用品質原則來準備訓練資料，以建立有效的資料集。
- 透過評估基線效能、設定可衡量目標、分割資料集，以及為所選方法設定超參數來設計優化策略。
必要條件
在開始本模組之前，你應該熟悉 Azure 中基本的 AI 概念與服務。