Lorsque vous créez une application avec des modèles d'intelligence artificielle (IA) Gemini, vous pouvez fournir des conseils plus précis sur la façon dont le modèle répond aux instructions ou aux requêtes qu'avec des invites de forme libre ou des requêtes structurées. Le réglage de modèle vous permet de modifier le comportement d'un modèle de manière plus significative et nécessite beaucoup plus de données d'exemple d'entraînement que ce qui correspond à une requête classique. Un autre avantage des modèles réglés est qu'ils peuvent être utilisés avec plusieurs requêtes. Pour en savoir plus, consultez le guide de réglage de modèle.
Ce guide explique comment créer et utiliser un modèle réglé avec Google AI Studio.
Créer l'ensemble de données de réglage
Le réglage d'un modèle nécessite plus d'exemples ou de données d'entraînement que les techniques de requête standards. Vous pouvez régler un modèle avec seulement 20 exemples. En général, vous avez besoin de 100 à 500 exemples pour modifier de manière significative le comportement du modèle. Si vous ne disposez pas d'un ensemble de données d'entraînement de cette taille ou plus, essayez d'abord d'utiliser des invites structurées, car cette fonctionnalité vous permet de guider le comportement du modèle avec seulement trois ou quatre exemples d'entraînement.
Les exemples d'entraînement que vous fournissez dans votre ensemble de données de réglage guident le modèle génératif dans la production de réponses. Chaque enregistrement de votre ensemble de données doit au minimum avoir une valeur d'entrée, représentant l'instruction d'invite, et une valeur de sortie, représentant la réponse attendue du modèle génératif.
Voici un exemple de valeurs d'entrée et de sortie pour cette requête. Dans ce cas, le nom du produit est l'entrée (ou requête) du modèle et le texte du produit est le résultat attendu:
| Nom du produit (entrée) | Copie de produit (sortie) |
|---|---|
| Baskets à l'ancienne | C'est parti ! Ces tenues de sport apportent un look emblématique et une palette de couleurs unique, tout en vous soutenant avec style et fonction comme aucune autre chaussure de sport auparavant. |
| Sweat à capuche super souple | Restez confortable et élégant avec notre nouveau sweat à capuche unisexe ! Composé à 100% de coton, ce sweat à capuche est doux et confortable à porter toute la journée. Son intérieur semi-brossé vous tiendra chaud même les jours les plus froids. |
Un ensemble de données d'entraînement peut comporter plusieurs entrées et plusieurs sorties. Vous devez avoir au moins une entrée et une sortie pour chaque enregistrement. Vous pouvez créer des ensembles de données à l'aide de l'interface utilisateur Invites structurées dans AI Studio, ou importer des données à partir d'un fichier de données CSV (Comma Separated Value) ou d'une feuille de calcul Google Sheets.
Créer un modèle réglé
Après avoir créé un ensemble de données de réglage, vous pouvez créer une version ajustée d'un modèle Gemini dans AI Studio en fournissant votre ensemble de données et en définissant certains paramètres de configuration. Une fois que vous avez fourni l'entrée requise, le système crée le modèle réglé, que vous pouvez ensuite utiliser avec vos requêtes.
Pour créer un modèle réglé, procédez comme suit:
- Dans l'application Web AI Studio, sur le côté gauche de l'interface, sélectionnez l'option Tuned model (Modèle réglé).
- Dans la boîte de dialogue Select Data for tuning (Sélectionner les données à régler), connectez l'ensemble de données de réglage en sélectionnant une requête structurée, ou cliquez sur le bouton Import (Importer) pour charger des données au format CSV (valeurs séparées par des virgules) ou dans une feuille de calcul Google Sheets.
- Dans le champ Nom du modèle réglé, saisissez le nom du modèle réglé. Ce nom apparaît en tant que modèle sélectionnable une fois l'opération de réglage terminée.
- Dans le champ Description, saisissez une description facultative du modèle réglé.
- Dans le champ Modèle, sélectionnez le modèle de fondation que vous souhaitez utiliser comme base pour votre modèle réglé.
- Vous pouvez éventuellement définir les paramètres avancés pour créer le modèle réglé. Pour en savoir plus sur ces paramètres, consultez le guide de réglage de modèle.
- Lancez le processus de création du modèle réglé en sélectionnant Régler.
Le système peut prendre quelques minutes ou plus pour créer la version ajustée en fonction de la taille de l'ensemble de données, du nombre d'époques spécifié et de la charge actuelle du système. Vous pouvez vérifier l'état du processus de réglage en sélectionnant Ma bibliothèque sur le côté gauche de l'application et en recherchant le nom du modèle réglé.
Utiliser le modèle réglé
Une fois la compilation du réglage de modèle terminée, vous pouvez sélectionner le modèle à utiliser avec vos requêtes. Vous pouvez utiliser le modèle réglé avec des requêtes de forme libre ou structurées existantes ou nouvelles, à condition que ces requêtes soient conformes à la structure d'exemple de votre ensemble de données réglé.
Pour utiliser un modèle réglé, procédez comme suit:
- Dans l'application Web AI Studio, ouvrez une requête existante ou lancez-en une nouvelle.
- Dans la section Run settings (Paramètres d'exécution), sélectionnez le menu déroulant Model (Modèle), puis sélectionnez le nom du modèle réglé.
- Rédigez ou mettez à jour votre requête, puis sélectionnez Exécuter pour utiliser le modèle réglé.
Le réglage nécessite une grande quantité de données pour modifier le comportement du modèle génératif. Si vos requêtes ne produisent pas le comportement souhaité, évaluez l'ensemble de données de réglage et les paramètres de réglage, et envisagez d'ajouter d'autres exemples.