介紹 Ertas Studio：用於微調 AI 模型的視覺化畫布

微調語言模型通常意味著編寫訓練腳本、管理配置文件，並在終端窗口之間切換以比較運行結果。Ertas Studio 用一個視覺化畫布取代了這個工作流程，讓你可以同時微調多個模型並並排比較結果。

現有微調工作流程的問題

如果你曾微調過模型，你知道整個流程：

• 編寫訓練腳本或改編他人的腳本
• 跨配置文件管理超參數
• 按順序運行作業並手動追蹤哪些設定產生了哪些結果
• 將檢查點轉換為可部署格式
• 對每個要比較的基礎模型重複上述過程

每個步驟都引入摩擦。等你比較完三個具有不同超參數的基礎模型，你花在工具鏈上的時間已超過評估結果的時間。

Studio 如何運作

Studio 是一個畫布驅動的 Web 介面，處理從資料上傳到模型下載的整個微調管道。

上傳你的資料

首先上傳一個 JSONL 訓練資料集，或從 Hugging Face 導入。Studio 在訓練開始前驗證你的資料並顯示格式問題。

在畫布上微調

Studio 畫布是核心工作發生的地方。選擇基礎模型、配置訓練參數，並在雲端 GPU 上啟動微調作業——全部通過視覺介面完成。

使這一切強大的是你可以同時運行多個微調作業。在相同資料集上訓練不同基礎模型，或在相同模型上測試不同超參數。畫布將所有正在運行和已完成的作業一起顯示，讓你無需切換窗口或掃描日誌文件即可比較輸出。

保留知識

每個微調運行都會被保存。這意味著你可以：

• 返回任何先前的運行並查看其配置和結果
• 使用先前微調的模型作為新運行的起點
• 在不同使用案例中測試相同的微調模型而無需重新訓練

當你在進行迭代時這特別有用——調整資料集、運行另一個作業，並將新結果與基準進行比較，而不會丟失任何先前的工作。

下載為 GGUF

當你對模型感到滿意時，將其下載為 GGUF 文件。這是一種開放格式，可在消費級硬體上使用 llama.cpp、Ollama 和 LM Studio 等工具運行。無雲端依賴、無 API 費用、無供應商鎖定。Ertas Cloud 的雲端部署也在規劃中，適合需要託管 API 端點的團隊。

Studio 為誰而建

• 構建 AI 驅動產品的工程師 — 為特定任務（分類、摘要、代碼生成）微調模型，無需管理訓練基礎設施
• 評估基礎模型的團隊 — 在你的實際資料上比較多個基礎模型，找到最佳選擇
• 重視隱私的組織 — 在你自己的硬體上運行模型，完全控制推論資料
• 獨立開發者和研究人員 — 在幾分鐘而非幾天內從資料集到可部署模型

資料合成 (即將推出)

我們正在開發智能資料合成建議，分析你上傳的資料集並推薦額外的訓練範例以提升模型性能。這將幫助訓練資料有限的團隊從微調運行中獲得更好的結果。

搶先體驗

Studio 目前正在開發中。加入優先預約以搶先體驗並提供塑造產品的反饋。

---

微調應該是關於評估結果，而非調試管道。這就是 Studio 的用途。