> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# ファインチューニング

> 元のデータセット出力またはリラベルしたデータセット出力を使用して、サポートされているベースモデルをトレーニングします。

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。

<Card title="最初のモデルをトレーニングする" href="/ja/model-distillation/studio/fine-tuning-quickstart" arrow="true">
  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。
</Card>

<h2 id="supported-base-models">
  サポートされるベースモデル
</h2>

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](/ja/model-distillation/supported-models)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。

<h2 id="create-a-fine-tune">
  ファインチューンを作成する
</h2>

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。

<h2 id="training-parameters">
  トレーニングパラメーター
</h2>

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。

| フィールド | 説明 |
| - | - |
| Maximum examples | トレーニングに使用する行数の決定的な上限です。検証データには上限は適用されません。 |
| Batch size | `auto` (2 に解決されます) 、または 1～32 の整数です。UI では、ほとんどのモデルで Auto、1、2、4 を選択でき、Nemotron モデルでは最大 32 まで選択できます。 |
| Epochs | トレーニングセット全体を何周するかを表す回数です。デフォルトは 1 です。 |
| Peak learning rate | デフォルトのスケジュールの生成に使用される正のスカラー値です。 |
| Learning-rate schedule | オプティマイザーの各ステップに対して明示的に指定する非負の値です。 |
| Assistant turns | すべてのアシスタントターンでトレーニングするか、最後のターンのみでトレーニングするかを指定します。 |
| Experimental configuration | まだ正式なフィールドとして定義されていない Serverless Training のオプションです。 |

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。

<h2 id="status-and-artifacts">
  ステータスとアーティファクト
</h2>

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。

<h2 id="delete-a-fine-tune">
  ファインチューンを削除する
</h2>

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。

<Accordion title="API: ファインチューンを削除する (DELETE /tasks/{alias}/finetunes/{finetuneId})">
  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。

  ```bash theme={"system"}
  curl --request DELETE \
    --url "https://distillation.training.wandb.ai/v1/tasks/ticket-classifier/finetunes/$FINETUNE_ID" \
    --header "Authorization: Bearer $WANDB_API_KEY" \
    --header "Wandb-Entity: your-team"
  ```

  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](/ja/model-distillation/reference/management/fine-tunes/delete-a-fine-tune) および [Preview fine-tune deletion](/ja/model-distillation/reference/management/fine-tunes/preview-fine-tune-deletion) を参照してください。
</Accordion>

<Accordion title="API: トレーニング ジョブとアーティファクトを一覧表示する (GET /tasks/{alias}/finetunes)">
  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。

  ```bash theme={"system"}
  curl --url "https://distillation.training.wandb.ai/v1/tasks/ticket-classifier/finetunes" \
    --header "Authorization: Bearer $WANDB_API_KEY" \
    --header "Wandb-Entity: your-team"
  ```

  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](/ja/model-distillation/studio/fine-tuning-quickstart) 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](/ja/model-distillation/reference/management/fine-tunes/list-fine-tunes) を参照してください。
</Accordion>