К основному содержанию
скилл

finetuning — скилл для Claude Code: дообучение моделей в Microsoft Foundry

Скилл ведёт дообучение моделей в Microsoft Foundry: подготовка датасета, запуск задания, деплой и оценка. Пригодится, когда базовое поведение модели не подходит.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add microsoft/skills --skill finetuning -a claude-code
Открыть на GitHub

Что делает finetuning

Скилл закрывает весь путь дообучения: SFT, DPO и RFT с грейдерами. Внутри — набор скриптов на Python: submit_training.py отправляет задание, monitor_training.py опрашивает его до завершения, check_training.py разбирает кривые обучения и перечисляет чекпоинты, deploy_model.py разворачивает модель через ARM REST API, evaluate_model.py оценивает её судьёй-моделью. Отдельно лежат конвертер датасетов между форматами SFT, DPO и RFT, генератор синтетических данных для дистилляции и валидаторы в scripts/validate/.

Скилл требует, чтобы вы сначала сняли базовую метрику на исходной модели, а не отправляли задание сразу. Для RFT он советует калибровать грейдер так, чтобы базовая модель проваливала 25-50% примеров, и не разворачивать последний чекпоинт вслепую. Вместе с точностью он просит считать расход токенов.

Есть места, где всё ломается предсказуемо. Старый SDK openai на эндпоинте /v1/ даёт ошибку «API version not supported» — нужен openai>=1.0. Открытые модели не обучаются со Standard TrainingType: им нужен globalStandard, и скрипт либо принимает флаг --use-rest, либо сам переключается. Задание может зависнуть на пост-обучении при слабом тул-эндпоинте, а после успешного ARM-вызова вылезти «DeploymentNotReady» — тогда развёртывание удаляют и создают заново. Датасет с плотными персональными данными блокируется проверкой контента на этапе деплоя.

Какие задачи решает

  • подготовить и провалидировать датасет перед отправкой задания
  • выбрать между SFT, DPO и RFT под свою задачу
  • откалибровать порог прохождения для грейдера в RFT
  • разобрать кривые обучения и выбрать чекпоинт вместо последнего
  • сгенерировать синтетические данные для дистилляции

Примеры запросов агенту

  • Подготовь датасет для SFT и прогони валидатор scripts/validate/validate_sft.py
  • Отправь задание SFT на gpt-4.1-mini и следи за ним до конца
  • Откалибруй грейдер для RFT и подбери pass_threshold

Как установить finetuning

1Через Skills CLI (Vercel)

npx skills add microsoft/skills --skill finetuning -a claude-code

2Вручную: положить файлы

~/.claude/skills/finetuning/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/finetuning/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о finetuning

Как установить finetuning в Claude Code?

Выполните npx skills add microsoft/skills --skill finetuning -a claude-code. Скилл окажется в ~/.claude/skills/finetuning/SKILL.md.

Что делает скилл finetuning?

Проводит дообучение модели в Microsoft Foundry: готовит данные, отправляет и мониторит задание, разворачивает и оценивает результат. Поддерживает SFT, DPO и RFT с грейдерами.

Чем SFT отличается от DPO и RFT?

SFT — обучение на размеченных примерах, DPO — на предпочтениях, RFT — на подкреплении с грейдерами. В скилле есть отдельный справочник references/training-types.md для выбора между ними.

Исходный текст

SKILL.md · MIT
---
name: finetuning
description: "Fine-tune models on Microsoft Foundry using SFT (supervised), DPO (preference), or RFT (reinforcement with graders). Covers dataset preparation, training job submission, deployment, and evaluation. USE FOR: fine-tune, SFT, DPO, RFT, training data, grader, distillation, fine-tuned model, training job, large file upload, calibrate grader, deploy fine-tuned model, evaluate fine-tuned model. DO NOT USE FOR: general model deployment without fine-tuning (use deploy-model), agent creation (use agents), prompt optimization without training (use prompt-optimizer)."
license: MIT
metadata:
  author: Microsoft
  version: "0.0.0-placeholder"
---

# Fine-Tuning on Microsoft Foundry

Fine-tune models using SFT (supervised), DPO (preference), or RFT (reinforcement with graders). Covers dataset prep, training, deployment, and evaluation.

## When to Use

Use this sub-skill when the user asks about:
- Fine-tuning a model (SFT, DPO, or RFT)
- Preparing, validating, or formatting training data
- Submitting, monitoring, or diagnosing training jobs
- Calibrating graders or pass thresholds for RFT
- Deploying or evaluating a fine-tuned model
- Choosing between training types (SFT vs DPO vs RFT)
- Distillation, synthetic data generation, or dataset quality scoring
- Large file uploads for training data
- Cleaning up fine-tuning resources (files, deployments)

**Do NOT use for:** General model deployment without fine-tuning (use deploy-model), agent creation (use agents), prompt optimization without training (use prompt-optimizer).

## Workflows

| Stage | Guide |
|-------|-------|
| **Quick start** | [workflows/quickstart.md](workflows/quickstart.md) |
| **Full pipeline** | [workflows/full-pipeline.md](workflows/full-pipeline.md) |
| **Create data** | [workflows/dataset-creation.md](workflows/dataset-creation.md) |
| **Iterate** | [workflows/iterative-training.md](workflows/iterative-training.md) |
| **Diagnose** | [workflows/diagnose-poor-results.md](workflows/diagnose-poor-results.md) |

## References

| Topic | File |
|-------|------|
| SFT vs DPO vs RFT | [references/training-types.md](references/training-types.md) |
| Hyperparameters | [references/hyperparameters.md](references/hyperparameters.md) |
| Data formats | [references/dataset-formats.md](references/dataset-formats.md) |
| Grader design (RFT) | [references/grader-design.md](references/grader-design.md) |
| Reward hacking | [references/reward-hacking.md](references/reward-hacking.md) |
| Agentic RFT (tools) | [references/agentic-rft.md](references/agentic-rft.md) |
| Deployment | [references/deployment.md](references/deployment.md) |
| Training curves | [references/training-curves.md](references/training-curves.md) |
| Evaluation | [references/evaluation.md](references/evaluation.md) |
| Vision fine-tuning | [references/vision-fine-tuning.md](references/vision-fine-tuning.md) |
| Large file uploads | [references/large-file-uploads.md](references/large-file-uploads.md) |
| Platform gotchas | [references/platform-gotchas.md](references/platform-gotchas.md) |

## Scripts

| Script | Purpose |
|--------|---------|
| `scripts/submit_training.py` | Submit SFT/DPO/RFT jobs |
| `scripts/monitor_training.py` | Poll job until completion |
| `scripts/calibrate_grader.py` | Find optimal RFT pass_threshold |
| `scripts/check_training.py` | Analyze curves, list checkpoints |
| `scripts/deploy_model.py` | Deploy via ARM REST API |
| `scripts/evaluate_model.py` | LLM judge evaluation |
| `scripts/convert_dataset.py` | Convert between SFT/DPO/RFT formats |
| `scripts/generate_distillation_data.py` | Generate synthetic training data |
| `scripts/score_dataset.py` | Quality scoring on training data |
| `scripts/cleanup.py` | Delete old files and deployments |
| `scripts/validate/` | Data validators (SFT, DPO, RFT) + stats |

## Rules

1. **Always baseline first** — evaluate the base model before fine-tuning
2. **Validate data** before submitting — run `scripts/validate/validate_sft.py`
3. **Calibrate RFT graders** — target 25-50% failure rate on the base model
4. **Evaluate checkpoints** — don't blindly deploy the final one
5. **Measure token cost** alongside accuracy when comparing models

## Quick Reference

| Task | Command |
|------|---------|
| Validate SFT data | `python scripts/validate/validate_sft.py data.jsonl` |
| Submit SFT job | `python scripts/submit_training.py --model gpt-4.1-mini --training-file train.jsonl --validation-file val.jsonl --type sft` |
| Monitor job | `python scripts/monitor_training.py --job-id ftjob-xxx` |
| Analyze curves | `python scripts/check_training.py --job-id ftjob-xxx` |
| Deploy model | `python scripts/deploy_model.py --model-id ft:gpt-4.1-mini:... --name my-eval` |
| Evaluate model | `python scripts/evaluate_model.py --deployment-name my-eval --test-file test.jsonl` |

## Error Handling

| Error | Cause | Fix |
|-------|-------|-----|
| "API version not supported" | Older `openai` SDK on `/v1/` endpoint | Upgrade to `openai>=1.0` |
| "does not support fine-tuning with Standard TrainingType" | OSS model needs `globalStandard` | Use `--use-rest` flag or script auto-falls back |
| Job stuck in post-training eval | Under-provisioned tool endpoint (RFT) | Scale to S2+, enable Always On |
| "DeploymentNotReady" after ARM succeeds | ARM/data-plane race condition | Delete and recreate deployment, wait 5 min |
| Content safety block at deployment | PII-dense training data | Remove problematic document types |

© Microsoft · MIT · microsoft/skills

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
skill-creator официальный anthropics Помогает создать новый скилл, доработать существующий и проверить результат через тестовые промпты и оценки. 414 180установок writing-for-agents Matt Pocock Помогает писать скиллы и документы с инструкциями для агентов. Пригодится при правках AGENTS.md, CLAUDE.md и связанных справочных файлов. 466 719установок media-use heygen-com Находит и генерирует ассеты для видео в HyperFrames — музыку, дикторский голос, аватары и эффекты. Сохраняет всё локально в assets. CX Codex +1 1 100 000установок mcp-builder официальный anthropics Скилл проводит через создание MCP-сервера на TypeScript или Python: от изучения протокола до тестов и оценки качества. 130 949установок subagent-driven-development Jesse Vincent Скилл выполняет план через отдельных субагентов для каждой задачи и проверяет результат после каждого шага. Подходит для независимых задач в одной сессии. CX Codex 237 746установок orchestration stablyai Координирует воркеров Orca через DAG задач, циклы супервизора и цепочки сообщений. Пригодится для распределения сложной работы между агентами. CX Codex +1 350 300установок

Из того же набора99

Весь набор →
llms Собирает llms.txt и llms-full.txt по вики проекта: краткий указатель со ссылками и полную версию с встроенным текстом страниц. ★ 3 149звёзд репо crisp Генерирует компактную wiki по репозиторию и сразу собирает сайт на VitePress. Пригодится, когда нужна документация, а ждать долгую сборку не хочется. ★ 3 149звёзд репо build Команда build из набора Deep Wiki упаковывает готовые markdown-страницы вики в проект VitePress. Тёмная тема, диаграммы Mermaid в тёмном режиме, зум по клику на картинки и схемы. ★ 3 149звёзд репо customize Ведёт по шагам через развёртывание модели Azure OpenAI: версия, SKU, ёмкость, политика RAI и дополнительные параметры. Пригодится, когда нужен точный контроль над конфигурацией. ★ 3 149звёзд репо azure-kubernetes-automatic-readiness Оценивает манифесты и конфигурацию кластера на совместимость с AKS Automatic, находит блокеры миграции и предлагает правки. ★ 3 149звёзд репо azure-enterprise-infra-planner Скилл планирует корпоративную инфраструктуру Azure по описанию нагрузки и генерирует Bicep или Terraform. Пригодится, когда нужно спроектировать landing zone, hub-spoke сеть или DR-топологию. ★ 3 149звёзд репо scaffold Превращает список сервисов из prepare-plan.json в шаблоны Bicep с безопасными настройками по умолчанию. Работает внутри конвейера azure-app-onboard. ★ 3 149звёзд репо azure-app-onboard Ведёт от идеи или готового кода до работающего развёртывания в Azure: подбирает сервисы, считает стоимость, генерирует IaC. ★ 3 149звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой