Ik stem een open-source llm af en evalueer deze voor jouw use case
Over deze dienst
Pas een open-source taalmodel aan op een gerichte zakelijke taak en meet de prestaties aan de hand van hold-out voorbeelden.
Ik kijk jouw use case en dataset na, bereid tot 1.000 Engelse tekstvoorbeelden voor en voer één LoRA/QLoRA-finetuning-experiment uit op één afgesproken model tot 8B parameters. Taken kunnen bestaan uit gestructureerde extractie, classificatie of domeinspecifieke responsformattering.
Je ontvangt de adaptergewichten, trainings- en inferentiecode, installatie-instructies en een baseline-versus-getunede evaluatierapportage op afgesproken metrics. De keuze van model hangt af van licenties, datasetkwaliteit en beschikbare hardware.
Jij levert data aan waar je toestemming voor hebt en een door jou bezette compute-omgeving. GPU-, hosting- en API-kosten zijn apart. Datasetverzameling, annotatie, volledige pretraining, productie-implementatie en aanvullende experimenten vereisen een aangepaste offerte. Eén revisie dekt de afgesproken implementatie; verbetering wordt gemeten, niet gegarandeerd.
Stuur me gerust een bericht voordat je bestelt met jouw taak, voorbeelddata, de gewenste model en het rekencapaciteit-budget zodat we haalbaarheid en acceptatiecriteria kunnen bevestigen.
Programmeertaal:
Python
AI engine:
Llama
