Дообучение под задачу — что это простыми словами
Зачем это знать
- Понять, когда настройка модели под процесс окупается быстрее, чем покупка готового решения
- Отличать задачи, где хватит инструкции и поиска по документам, от тех, где нужен прогон обучения
- Спрашивать подрядчика методику замера качества, а не обещание «модель будет знать вашу специфику»
Что такое дообучение под задачу простыми словами
Новый сотрудник приходит с хорошим общим образованием. Он грамотно пишет, считает, разбирается в законах. Но первую неделю всё равно сидит с папкой прошлых заявок. Смотрит, как здесь принято заполнять поля, какие формулировки идут клиенту, что считается срочным.
Так же настраивают модель. Общие знания у неё уже есть — их дала базовая тренировка на открытых источниках. Дообучение под задачу добавляет одно: пачку примеров из архива компании, где показан вход и верный ответ.
После такого прогона модель держит формат стабильнее. Правила, которые раньше приходилось каждый раз перечислять в инструкции, переезжают внутрь самой модели.
Как это работает
Отдельно стоит следить за выбором размера модели. Малую настраивают быстрее, и она работает на простых графических картах — расходы на эксперимент падают вместе с этим. Yandex B2B Tech в феврале 2025 года выпустила для компаний быстрый метод дообучения по технологии LoRA. Заявленные сценарии — письма в корпоративном стиле и извлечение данных из документов.
Выборку почти никогда не собирают за один заход. Её наращивают порциями и после каждой повторяют замер. Прирост останавливается — сбор прекращают.
Пример из практики
Цифры ниже — расчётные ориентиры для компании такого профиля. Методика замера указана рядом: расчёт можно повторить на своих данных.
Производитель оборудования разбирает входящие заявки от дилеров: вытащить артикулы, понять, новая это заявка или дополнение, завести сделку. Формат писем у каждого дилера свой. На старте отложили 300 заявок за один месяц и замерили, сколько полей заполняется без правок оператора.
Первый заход — поиск по базе плюс инструкция на четыре страницы. Артикулы находились, но разметка полей плыла: в каждой пятой заявке оператор что-то поправлял.
Второй заход — дообучение малой модели с открытыми весами на 1 200 разобранных заявках из архива за полгода. Замер повторили на тех же 300 заявках. Доля правок опустилась примерно втрое, а инструкция в запросе сократилась до половины страницы.
Что это даёт бизнесу
- Правила компании перестают зависеть от одного человека. Чтобы собрать выборку, критерии верного ответа приходится записать. Этот побочный результат остаётся у компании, даже если модель потом сменят.
- Счёт за обработку падает вместе с длиной запроса. Часть инструкции переезжает внутрь модели, и входной объём в токенах сокращается на каждой операции.
- Качество становится управляемой величиной. Есть отложенная выборка, есть две цифры до и после — разговор с подрядчиком идёт по замеру.
- Порог входа снизился. Малая модель настраивается на простых графических картах, поэтому проверить гипотезу можно на одном участке процесса и за ограниченный срок.
Когда без этого можно обойтись
Первым делом пробуют инструкцию и поиск по документам. Если задача сводится к «найти нужный пункт регламента и пересказать», прогон обучения ничего не добавит. Факты меняются, а обновлять их через обучение дорого.
Не нужен он и там, где архива выполненных задач нет. Обучать не на чем — сначала процесс приводят к повторяемому виду и накапливают примеры. Чек-лист готовности процесса показывает, чего пока не хватает.
Третий случай — малый поток. Несколько десятков документов в месяц окупят разве что аккуратно написанную инструкцию.
Что важно проверить
Первое: качество выборки решает больше, чем размер модели. Противоречивые примеры из архива модель запомнит вместе с противоречиями. Спорные случаи проходят сверку у предметного специалиста до прогона, а не после.
Второе: дообученная модель хорошо работает ровно на том распределении задач, которое видела. Сменился формат писем у крупного дилера — качество проседает молча. Замер на свежей выборке стоит повторять раз в квартал.
Третье: попросите подрядчика показать отложенную выборку и обе цифры на ней — до прогона и после. Заодно уточните, сколько стоит повторный прогон, когда правила изменятся: эта сумма попадает в бюджет эксплуатации, а не в разовую часть.
Frequently asked questions
Дообучение под задачу простыми словами — это что?
Это настройка готовой модели на примерах компании: берут архив выполненных задач и показывают модели пары «вход — верный ответ». После такого прогона модель держит формат и внутренние правила стабильнее, чем по одной текстовой инструкции. Общие знания при этом остаются прежними, меняется манера работы на конкретном участке.
Чем это отличается от подключения базы знаний
База знаний подтягивает свежие документы в момент запроса, и содержимое обновляется в тот же день. Дообучение закрепляет манеру: формат ответа, разметку полей, отраслевые формулировки. Свежие факты через него передавать дорого — каждое обновление требует нового прогона. Поэтому чаще их совмещают: поиск отвечает за факты, дообучение за форму.
Сколько примеров нужно собрать
Считать надо в покрытии случаев. Каждый типичный вариант входящего документа должен встретиться в выборке несколько раз. Редкие исключения на первом прогоне отбрасывают и оставляют человеку. Точное число выясняется замером: выборку наращивают порциями и после каждой сверяют качество на отложенных данных.
Обязательно ли брать самую крупную модель
Малая модель настраивается быстрее и дешевле, а работает на простых графических картах. Для узкой задачи вроде извлечения полей из накладной этого обычно достаточно. Крупную модель берут, когда задача требует рассуждения по длинной цепочке. Порядок расходов удобно прикинуть заранее калькулятором бюджета.
Как понять, что дообучение сработало
До старта откладывают выборку, которую модель не видела. На ней фиксируют текущий результат: долю верных ответов и долю правок оператора. После прогона замер повторяют на той же выборке. Сравнимыми будут только два замера на одних данных за один период. Без такой пары цифра о качестве непроверяема.
Let’s discuss your project?
Tell us about your process — we’ll suggest where AI pays off fastest.
Related articles
Что такое дообучение модели и когда оно окупается
Дообучение — это донастройка готовой модели на ваших примерах, чтобы она отвечала в нужном формате и тоне; знаний о ваших документах это не добавляет.
Что такое RAG: как заставить модель отвечать по вашим документам
RAG — это схема работы с ИИ, при которой система сначала находит нужный фрагмент в ваших документах, а потом составляет ответ по нему.