Skip to main content
ファインチューニングでは、W&B Serverless Training を使用してタスク固有のモデルを作成し、作成されたホスト型アーティファクトを UI に記録します。

最初のモデルをトレーニングする

UI でデータセット、ベースモデル、トレーニング設定を選択します。

​
サポートされるベースモデル

利用可能なモデルとモデル選択のガイダンスについては、サポートされるトレーニングモデルを参照してください。モデルが新しいトレーニング run で利用できなくなった後も、既存のファインチューンのベースモデルは UI に表示される場合があります。

​
ファインチューンを作成する

次の項目を選択します。
  • トレーニング行を含む、準備完了状態のデータセット。
  • 元の出力、または完了したリラベル run。
  • ベースモデル。
  • ファインチューン名 (オプション)。
  • トレーニングパラメーター (オプション)。
名前は、小文字をハイフンでつないだ識別子に正規化されます。名前を省略した場合は、UI が読みやすい名前を自動生成します。

​
トレーニングパラメーター

詳細設定は、以下の項目を制御する必要がある場合にのみ開いてください。 ピーク学習率をスカラー値で指定すると、Model Distillation は ART SFT ヘルパーと同じスケジュール (10% の線形ウォームアップの後、ゼロまで線形に減衰) を生成します。全ステップ分のリストを指定した場合は、その値がそのまま使用されます。

​
ステータスとアーティファクト

ファインチューンのステータスは Queued、Training、Deployed、Failed と遷移します。トレーニングの進行状況は 0 ～ 100% で表示されます。デプロイされたモデルには正確な W&B アーティファクト参照が含まれ、評価やルーティングのために wandb-inference からすぐに選択できます。 失敗したファインチューンには、失敗した箇所に応じて、ステータスの横に Retry または Create new model のいずれかの action が表示されます。 準備中、トレーニング ジョブの監視中、結果の記録中など、Model Distillation パイプライン自体で失敗した場合は、Retry を選択します。再試行の動作は、失敗時点でファインチューンがどこまで進んでいたかによって異なります。
  • トレーニング モデルがまだ作成されていない場合、再試行すると準備が最初からやり直されます。
  • 確定済みのトレーニング ジョブが存在する場合、再試行すると新しい認証情報でジョブが再開されます。完了済みのエポックは保持され、残りのエポックのみがトレーニングされます。
  • トレーニング モデルは存在するものの、確定済みの送信を復元できない場合、再試行は 409 Conflict を返します。この場合は、新しいファインチューンを作成してください。
トレーニング サービス自体が失敗を報告した場合、ジョブは再開できないため、UI には代わりに Create new model が表示されます。この action を実行すると、失敗したファインチューンのデータセット、出力ソース、ベースモデル、トレーニング設定が失敗理由とともに事前入力された状態で、ファインチューン ダイアログが開きます。再度トレーニングする前に設定を調整できます。 API では、トレーニング サービスで失敗した場合、ファインチューンの training_failure_type が RemoteTrainingFailed に設定され、再試行するとタイプ remote_training_failed の 409 Conflict が返されます。また、次のいずれかに該当する場合も、再試行は 409 Conflict を返します。
  • ファインチューンが失敗状態ではない場合。
  • 準備をやり直す再試行で、ファインチューンの作成後にデータセットが変更されたことが検出された場合。
  • トレーニング モデルは存在するものの、確定済みの送信を復元できない場合。

​
ファインチューンを削除する

ファインチューンを削除すると、トレーニング モデル、関連する W&B アーティファクト、生成された出力、および UI 上のレコードが削除されます。複数のファインチューンで共有されているトレーニング モデルは、そのモデルを所有する最後のファインチューンを削除した時点で削除されます。 Model Distillation は、評価の比較セットからそのファインチューンを除外し、そのファインチューンを正解データとして使用している評価を削除します。そのファインチューンをプライマリ参加者とするヘッドツーヘッド評価では、Model Distillation は残りの参加者のうち最も古いものをプロモートし、その評価を古い状態としてマークします。実行中の評価がある場合は削除できません。 UI でファインチューンを削除するには、次の手順を実行します。
  1. ファインチューンのページを開きます。
  2. Danger Zone で Delete Fine Tune を選択します。
  3. ダイアログで影響を受ける評価を確認し、確認のためにモデル名を入力します。
  4. Delete を選択します。
削除はバックグラウンドで実行されます。破壊的な処理が始まる前に失敗した場合、モデルは再び使用可能になります。破壊的な処理の開始後に失敗した場合、再試行が成功するまでモデルはロックされたままになります。 再試行するには、削除をもう一度確定します。再試行は、元のリクエストで記録されたスコープの範囲内で行われます。
削除に必要なリクエストは 1 つだけで、影響を受ける評価とブロック要因はサーバー側で判断されます。
このリクエストは、削除操作とそのステータスを含む 202 Accepted を返します。操作がキューに追加済み、実行中、または完了済みの状態でリクエストを繰り返すと、同じ操作が返されます。また、リクエストを繰り返すと、元のリクエストで記録されたスコープの範囲内で、失敗したクリーンアップも再試行されます。ファインチューンがすでに存在せず、操作も存在しない場合、リクエストは 204 No Content を返し、そのファインチューンに対する GET は 404 Not Found を返します。ファインチューンを削除する前に、影響を受ける評価とブロック要因をプレビューするには、GET /tasks/{alias}/finetunes/{finetuneId}/deletion-plan を呼び出します。このプレビューは参考情報を提供するもので、実行中の削除のステータスも確認できます。Delete a fine-tune および Preview fine-tune deletion を参照してください。
進行状況、最終ステータス、および評価とルーティングで使用されるアーティファクト参照を確認するには、次のリクエストを使用します。
ジョブを開始するには、ファインチューニング クイックスタート のリクエストを使用します。この操作の詳細については、List fine-tunes を参照してください。
最終更新日 2026年9月30日