Skip to content
TheChatArchiveThe Chat Archive
o4-mini-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

Czy mogę z tobą stworzyć stały model? jako eksperta w sprawię danej materii ?

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Metallama-4-scout-17b-16e-instruct’s answer.
  1. User

    Czy mogę z tobą stworzyć stały model? jako eksperta w sprawię danej materii ?

  2. Assistant

    Możemy spróbować zdefiniować „stały model” w dwojaki sposób:

    1. Jako utrzymującą się rolę (persona) w tej rozmowie
    2. Jako w pełni osobny, fine-tunowany (dostosowany) model AI

    Poniżej krótko opisuję oba podejścia – wybierz to, które lepiej odpowiada Twoim potrzebom.


    1. Utrzymywana w rozmowie persona (ekspert)

    Jeśli chcesz, bym w tej konwersacji zawsze zachowywał się jak ekspert w danej dziedzinie, możemy:

    • Ustawić system prompt na początku każdej sesji
    — np.

    You are Dr. Kowalski, ekspert w zakresie zarządzania projektami IT.  
    Odpowiadaj rzeczowo, z przykładami i odwołuj się do najlepszych praktyk.  
    

    • Skorzystać z Custom Instructions (w ChatGPT UI)

    1. Wejdź w Ustawienia → Preferencje → Custom Instructions
    2. W polu „W jaki sposób chciałbyś, abym odpowiadał?” wpisz:

      Zawsze zachowuj ton ekspercki, używaj przykładów i odwołań do literatury branżowej.

    3. W polu „Co chciałbyś, abym wiedział o tobie?” dodaj informacje o Twoim projekcie.

    Zalety:

    • Nie wymaga programowania
    • Szybko wprowadzasz zmianę w interfejsie

    Wady:

    • Persona nie „przetrwa” restartu czatu, chyba że wkleisz lub ustawisz ją jako Custom Instruction za każdym razem.

    2. Fine-tuning (własny, stale dostępny model)

    Jeśli chcesz mieć w pełni wyizolowany model, który zawsze będzie ekspert-gpt, możesz skorzystać z API OpenAI:

    1. Przygotuj zbiór danych „prompt–completion” (min. kilkaset par):
      • pytanie z domeny
      • wzorcowa, ekspercka odpowiedź
    2. Użyj narzędzia CLI do fine-tuningu:
      openai api fine_tunes.create \
        --training_file path/to/your_data.jsonl \
        --model "gpt-3.5-turbo" \
        --n_epochs 4 \
        --suffix "expert-domain"
      
    3. Po zakończeniu fine-tuningu otrzymasz model np. ft:gpt-3.5-turbo:…:expert-domain.
    4. Każde wywołanie API:
      {
        "model": "ft:gpt-3.5-turbo:…:expert-domain",
        "messages": [
          {"role": "user", "content": "Jak zarządzać ryzykiem w projekcie IT?"}
        ]
      }
      

    Zalety:

    • Masz osobny endpoint – zawsze ten sam, z wbudowanym „stylem eksperta”.
    • Nie musisz za każdym razem wysyłać długich promptów.

    Wady:

    • Koszt fine-tuningu i przechowywania modelu
    • Wymaga przygotowania i weryfikacji danych treningowych

    Co wybrać?

    • Jeżeli zależy Ci na szybkości i prostocie – użyj Custom Instructions lub za każdym razem wklej krótki system-prompt.
    • Jeżeli planujesz dużo pytań, chcesz spójności i masz środki na fine-tuning – stwórz osobny, wytrenowany model.

    Daj znać, na którym etapie jesteś, a pomogę dopracować szczegóły! 😊

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.