Microsoft Foundry の Fine Tuning 完全ガイド — データ設計・実行(Part 2/全 2 回)
Microsoft FoundryでのFine Tuningを再現性高く進めるため、目的と評価指標の設定、ベースモデル比較、JSONLデータ設計、ジョブ設定、学習・検証・デプロイ手順を整理。重要なのは件数よりデータ品質、一貫した評価、実験記録、失敗例を活かす継続改善である。
Microsoft Foundry の評価機能で想定 QA と実回答の差分を測り継続的に改善する方法
Microsoft Foundry(旧 Azure AI Foundry)の評価機能で、チャットの想定 QA(ground truth)を登録し実回答との差分を Similarity や F1 で測って改善する手順を、JSONL 設計・評価器の選び方・ポータル UI と SDK・改善ループまで実務目線で解説します。