Сьогодні сидів і думав чим зайнятись і вирішив розібратися з ModelFactory від @OpenLedger не через красиві описи, а через просте питання: де закінчується “доступно для всіх” і починається реальна складність?
Ідея сама по собі сильна. Замість писати код, запускати Python-скрипти й розбиратися з ML-інструментами, користувач отримує графічний інтерфейс. Вибрав модель, завантажив свої дані, налаштував параметри й натиснув старт.
Для людини, яка ніколи не працювала з fine-tuning, це справді може прибрати величезний бар’єр входу.
Але поки читав документацію, спіймав себе на одній думці: інтерфейс прибирає код, але не прибирає рішення.
Повзунки для learning rate, batch size чи epochs виглядають просто. Проблема в тому, що вони не пояснюють, яке значення має сенс саме для твоєї задачі. Якщо налаштувати все навмання — модель може майже нічого не навчитися або, навпаки, почати працювати гірше.
Те саме відчуття виникло і з OpenLoRA. Сама концепція виглядає технічно адекватною: легкі LoRA-адаптери справді дозволяють ефективніше використовувати GPU. Але коли доходить до цифр на кшталт “до 90% економії”, тут уже хочеться бачити не презентацію, а незалежні вимірювання.
Поки для мене картина виглядає так: хороша інженерна ідея вже є. Питання тепер не в тому, чи це працює взагалі, а наскільки це працює за межами демо й прототипів.
До речі, цікаво почути тих, хто реально робив fine-tuning: у який момент GUI перестає вистачати й хочеться повернутися до повного контролю через код?
