ফাইন টিউনিং একটা বিশাল মডেলের ওপর একটা ছোট্ট ধাক্কা
একটা ভাষা মডেল আপনার কাছে ইতিমধ্যে প্রশিক্ষিত অবস্থায় পৌঁছায়। প্রি-ট্রেনিং ট্রিলিয়ন ট্রিলিয়ন টোকেনের একটা কর্পাস পড়েছে; Meta Llama 3-এর জন্য 15 ট্রিলিয়নেরও বেশি রিপোর্ট করেছিল। এরপর পোস্ট-ট্রেনিং একে একটা অ্যাসিস্ট্যান্ট হিসেবে গড়ে তুলেছে। LLM কী দুটো ধাপই আলোচনা করে।
ফাইন টিউনিং একটা তৃতীয়, অনেক ছোট ধাপ, যেটা আপনি নিজে চালান। আপনি মডেলকে আপনার চাওয়া ঠিক ইনপুট আর আউটপুটের কয়েকশো থেকে কয়েক হাজার উদাহরণ দেন, আর সেগুলোর ওপর একে আরেকটু প্রশিক্ষণ দেন। OpenAI-এর ফাইন-টিউনিং গাইড বলে, 50 থেকে 100 উদাহরণেই সাধারণত স্পষ্ট উন্নতি দেখা যায়। প্যারামিটারগুলো সামান্য সরে গিয়ে ডিফল্টভাবে আপনার ধরনের উত্তর দিতে শুরু করে।
স্কেলের পার্থক্যটাই আসল ব্যাপার। পনেরো ট্রিলিয়ন টোকেনের বিপরীতে মাত্র কয়েকশো উদাহরণ: ফাইন-টিউন অর্থবহ কোনো জ্ঞান যোগ করতে পারে না, কারণ মডেল কী জানে তার সূচ নাড়ানোর মতো যথেষ্ট পরিমাণ নেই। এটা যা করতে পারে তা হলো মডেল কীভাবে উত্তর দেয় তার সূচ নাড়ানো, কারণ কয়েকশো বার পুনরাবৃত্তি হওয়া একটা সামঞ্জস্যপূর্ণ ফরম্যাট ঠিক সেই ধরনের প্যাটার্ন যা একটা ছোট্ট ধাক্কা ধরে ফেলে।
ফাইন টিউনিং মডেল কীভাবে উত্তর দেয় তা বদলায়, সে কী জানে তা কখনোই না
যে সীমারেখাটা টানতে হবে সেটা আচরণ বনাম জ্ঞানের মধ্যে।
| আপনি চান মডেল... | ফাইন টিউনিং | আসলে যা কাজ করে |
|---|---|---|
| সবসময় আপনার হাউস স্টাইল বা টোনে উত্তর দিক | হ্যাঁ, এটাই মূল ব্যবহার | ফাইন-টিউন করুন, বা উদাহরণসহ একটা শক্তিশালী সিস্টেম প্রম্পট |
| সবসময় একটা নির্দিষ্ট ফরম্যাট (JSON, একটা ফিক্সড টেমপ্লেট) ফেরত দিক | হ্যাঁ | বড় স্কেলে নির্ভরযোগ্যতার জন্য ফাইন-টিউন করুন; মাঝে মাঝে ব্যবহারের জন্য একটা প্রম্পট |
| মনে করিয়ে না দিয়েও নিয়মের একটা লম্বা তালিকা মেনে চলুক | হ্যাঁ | ফাইন-টিউন করুন; নিয়মগুলো প্রম্পট থেকে ওয়েটে সরে যায় |
| আপনার প্রোডাক্ট, দাম, পলিসি জানুক | না | রিট্রিভাল: উত্তর দেওয়ার সময় ডকুমেন্টগুলো তার হাতে দিন |
| প্রশিক্ষণের পরে যা বদলেছে তা যেকোনো কিছু জানুক | না | ওয়েব সার্চ বা রিট্রিভাল |
| কঠিন সমস্যায় আরও ভালো যুক্তি দিক | না | একটা রিজনিং মডেল বা একটা বড় মডেল |
মানুষ যে ব্যর্থতায় পড়ে সেটা চতুর্থ সারিতে। তারা তাদের হেল্প সেন্টারের ওপর ফাইন-টিউন করে, এমন একটা মডেল আশা করে যা তাদের প্রোডাক্ট জানে। তারা এমন একটা মডেল পায় যা হেল্প সেন্টারের কণ্ঠস্বরে লেখে আর সাবলীলভাবে প্রোডাক্টের তথ্য বানিয়ে ফেলে, কারণ প্রশিক্ষণটা তাকে উত্তরের আকৃতি শিখিয়েছে, বিষয়বস্তু নয়। জ্ঞানের কাজটা রিট্রিভালের, আর RAG কী ব্যাখ্যা করে সেটা কীভাবে কাজ করে।
কেন ফাইন টিউনিং ইচ্ছাকৃতভাবে সস্তা মডেলে করা হয়
একটা সীমিত কাজের জন্য কেউ কোনো পরিবারের সবচেয়ে দামি মডেলকে ফাইন-টিউন করে না। উদ্দেশ্য হলো একটা ছোট, সস্তা মডেলকে একটা কাজ ঠিক ততটাই ভালোভাবে করাতে শেখানো যতটা ফ্রন্টিয়ার মডেল একটা লম্বা প্রম্পট দিয়ে করে, আর তারপর সস্তা মডেলটাকে লক্ষ লক্ষ বার চালানো।
প্রতিটা প্রান্তের ওপরের সংখ্যাগুলো 2026-09-17 তারিখে পড়া Artificial Analysis Intelligence Index স্কোর, আর রেখাটা প্রতি মিলিয়ন টোকেনের দামের ফারাক দেখায়। সাধারণ-উদ্দেশ্যের Llama 4 Maverick 9 স্কোর করে Claude Sonnet 5-এর 38-এর বিপরীতে; একটা ফাইন-টিউনের বাজি হলো একটা সীমিত কাজে সেই 29 পয়েন্টের ফারাক 127 গুণ সাশ্রয়ে বন্ধ করা যায়। 2026-08-20 তারিখে সংগ্রহ করা OpenRouter লিস্ট মূল্যে, 1,000 টোকেন ইনপুট আর 500 আউটপুটের একটা স্ট্যান্ডার্ড উত্তরের খরচ Maverick-এ $0.0006 আর Sonnet 5-এ $0.007, AI মডেল কস্ট ইনডেক্স অনুযায়ী, তাই মাসে 100,000 বার চলা একটা সাপোর্ট ক্লাসিফায়ারের খরচ প্রথমটায় $60 আর দ্বিতীয়টায় $700। টিউন করা Maverick যদি সেই একটা কাজে Sonnet-এর সমান ফলাফল দেয়, তাহলে টিউনটা প্রথম মাসেই নিজের খরচ উশুল করে দেয়। সাধারণভাবে মডেলের মান নয়, এই হিসাবটাই ফাইন টিউনিংয়ের আসল উদ্দেশ্য।
যে পদ্ধতিটা এটাকে সস্তা করে তুলেছে সেটা হলো LoRA, 2021 সালে প্রকাশিত, যা পুরো মডেল নয় বরং যোগ করা প্যারামিটারের একটা ছোট সেট প্রশিক্ষণ দেয়। এর 4-বিট উত্তরসূরি QLoRA (Dettmers et al., 2023) দিয়ে, একটা 7 বিলিয়ন-প্যারামিটারের মডেল একটামাত্র 24 GB কনজিউমার গ্রাফিক্স কার্ডে টিউন হয়। একই মডেলের পূর্ণ ফাইন-টিউনিং মানে একাধিক ডেটাসেন্টার GPU জুড়ে প্রতিটা প্যারামিটার আপডেট করা।
কোনো প্রশিক্ষণের আগে বেশিরভাগ ক্ষেত্রেই একটা প্রম্পট, রিট্রিভাল বা ভিন্ন মডেলই সমাধান
ফাইন টিউনিং হলো শেষ অপশন, প্রথমটা নয়, কারণ এই প্রতিটাই সাধারণ ক্ষেত্রগুলো অনেক কম পরিশ্রমে সমাধান করে আর এক মিনিটেই বদলানো যায়।
- উদাহরণসহ একটা ভালো প্রম্পট। প্রম্পটের মধ্যে আপনার চাওয়া আউটপুটের তিনটা উদাহরণ একটা ফাইন-টিউনের ফরম্যাট আর টোনের বেশিরভাগ সুবিধা প্রশিক্ষণ ছাড়াই দিয়ে দেয়। শুরুর জন্য প্রম্পট ইঞ্জিনিয়ারিং এই প্যাটার্নটা আলোচনা করে।
- রিট্রিভাল। ফারাকটা যদি জ্ঞানের হয়, তাহলে যতই টিউন করুন না কেন সেটা বন্ধ হবে না। ডকুমেন্ট আপলোড করুন বা সার্চ চালু করুন।
- একটা ভিন্ন মডেল। ডিফল্ট কণ্ঠস্বরে মডেলগুলো ভিন্ন। যে মডেল ইতিমধ্যেই আপনার চাওয়া ভাষায় লেখে সেটা এমন একটাকে টিউন করার চেয়ে ভালো যেটা লেখে না; একটা মাল্টি-মডেল ওয়ার্কস্পেস এটাকে এক-ক্লিকের পরীক্ষায় পরিণত করে।
ফাইন টিউনিংয়ের কথা তখনই ভাবুন যখন প্রম্পট নিয়মের এক পাতায় বেড়ে গেছে যা মডেল বারবার ভুলে যায়, যখন কাজটা এমন পরিমাণে চলে যেখানে প্রম্পটের দৈর্ঘ্য সত্যিকারের টাকার ব্যাপার, বা যখন আপনার একটা ফরম্যাট দশ হাজার বার নির্ভরযোগ্যভাবে, একটাও ভিন্নতা ছাড়া ফেরত দরকার। এগুলো বাস্তব প্রয়োজন। এগুলো বিরলও বটে।
একটা চ্যাট প্রোডাক্টের ভেতরে কি ফাইন-টিউন করা যায়?
সাধারণত না, আর Whizi-ও এর ব্যতিক্রম নয়। কনজিউমার চ্যাট প্রোডাক্টগুলো, Whizi সহ, ফাইন-টিউনিং অফার করে না; এটা প্রোভাইডার API আর ওপেন-ওয়েট মডেলে একটা ডেভেলপার ফিচার। একটা চ্যাট অ্যাপের ভেতরে এর সবচেয়ে কাছাকাছি জিনিসটা হলো স্ট্যান্ডিং ইন্সট্রাকশন। Whizi-তে এগুলো থাকে একটা প্রজেক্টে: প্রতি-প্রজেক্ট কাস্টম ইন্সট্রাকশন সেই প্রজেক্টের প্রতিটা কথোপকথনে প্রযোজ্য হয়, যেভাবে আপনি কোনো কিছু প্রশিক্ষণ না দিয়েই একগুচ্ছ কাজ জুড়ে সামঞ্জস্যপূর্ণ টোন আর ফরম্যাট পান। Projects কীভাবে ব্যবহার করবেন সেটআপটা ব্যাখ্যা করে।
বেশিরভাগ মানুষের জন্য এটাই ঠিক ট্রেড। একটা প্রজেক্ট ইন্সট্রাকশন এমন একটা প্রম্পট যা আপনি একবার লেখেন আর নিয়ম বদলালেই এডিট করেন। একটা ফাইন-টিউন এমন একটা মডেল যা নিয়ম বদলালেই আপনাকে আবার প্রশিক্ষণ দিতে হয়। বড় স্কেলে সীমিত কোনো কাজ যারা চালাচ্ছেন না তাদের সবার জন্য, প্রম্পট খরচ, বদলানোর গতি আর পড়া যাওয়ার দিক থেকে জিতে যায়।
সিদ্ধান্তের নিয়ম: ফাইন-টিউন করুন যখন একই সীমিত কাজ এমন পরিমাণে চলে যেখানে একটা সস্তা মডেলের নিজের খরচ উশুল হওয়াটা গুরুত্বপূর্ণ হয়ে ওঠে। বাকি সব জায়গায়, ইন্সট্রাকশনটা লিখে রাখুন।
- ঠিক করুন ফারাকটা আচরণের নাকি জ্ঞানের; ফাইন টিউনিং শুধু প্রথমটাই ঠিক করে
- কোনো প্রশিক্ষণের আগে তিনটা উদাহরণসহ একটা প্রম্পট চেষ্টা করুন
- তথ্য, দাম আর বদলে যাওয়া যেকোনো কিছুর জন্য রিট্রিভাল বা ওয়েব সার্চ ব্যবহার করুন
- প্রথমে একটা ভিন্ন মডেল পরীক্ষা করুন; একটা হয়তো ইতিমধ্যেই আপনার চাওয়া ভাষায় লেখে
- একটা সীমিত, বড় ভলিউমের কাজের জন্য একটা সস্তা মডেল ফাইন-টিউন করুন, আর সেই কাজে ফ্রন্টিয়ার মডেলের বিপরীতে মেপে দেখুন
প্রায়ই জিজ্ঞাসিত প্রশ্ন
একটা AI মডেল ফাইন-টিউন করার মানে কী?
এর মানে হলো একটা আগে থেকেই প্রশিক্ষিত মডেলকে আপনার নিজের উদাহরণের ওপর আরেকটু প্রশিক্ষণ দেওয়া, সাধারণত কয়েকশো থেকে কয়েক হাজার ইনপুট-আউটপুট জোড়া, যাতে সে ডিফল্ট হিসেবে একটা স্টাইল, ফরম্যাট বা নিয়মের সেট গ্রহণ করে। এটা ট্রিলিয়ন ট্রিলিয়ন টোকেন পড়া প্রি-ট্রেনিংয়ের ওপর একটা ছোট্ট সমন্বয়, তাই এটা জ্ঞান যোগ করার বদলে আচরণ গড়ে তোলে।
ফাইন টিউনিং বনাম RAG: কোনটা ব্যবহার করব?
মডেল কীভাবে উত্তর দেয় তার জন্য ফাইন টিউনিং: টোন, ফরম্যাট, নিয়মের একটা লম্বা সেট মেনে চলা। মডেল কী জানে তার জন্য RAG: আপনার ডকুমেন্ট আর বদলে যাওয়া যেকোনো কিছু। এরা ভিন্ন সমস্যা সমাধান করে আর প্রোডাকশন সিস্টেম প্রায়ই দুটোই ব্যবহার করে। ফারাকটা যদি তথ্যের হয়, ফাইন টিউনিং সেটা বন্ধ করবে না; মডেলটা ঠিক শোনাবে আর ভুল হবে।
একটা মডেল ফাইন-টিউন করতে কতগুলো উদাহরণ লাগে?
OpenAI-এর ফাইন-টিউনিং গাইড বলে, 50 থেকে 100টা ভালোভাবে তৈরি উদাহরণেই সাধারণত স্পষ্ট উন্নতি দেখা যায়, আর সংখ্যার চেয়ে মান বেশি গুরুত্বপূর্ণ। কয়েকশো একটা প্রচলিত কার্যকর আকার; হাজার হাজার উদাহরণ অনেক ধরনের ভিন্ন কেসওয়ালা কাজে সাহায্য করে।
ফাইন টিউনিংয়ের খরচ কেমন?
ট্রেনিং রানটাই সাধারণত ছোট অংশ; আসল ব্যাপারটা হলো পরবর্তী প্রতি-উত্তরের সাশ্রয়। 2026-08-20 তারিখে সংগ্রহ করা OpenRouter লিস্ট মূল্যে, একটা স্ট্যান্ডার্ড উত্তরের খরচ Llama 4 Maverick-এ $0.0006 আর Claude Sonnet 5-এ $0.007, তাই মাসে 100,000 বার চলা একটা কাজের খরচ $60-এর বিপরীতে $700। একটা ফাইন-টিউন যা সস্তা মডেলকে সেই কাজে দামি মডেলের সমান করে দেয় তা প্রথম মাসেই খরচ উশুল করে দেয়।
আমি কি ChatGPT বা Claude ফাইন-টিউন করতে পারি?
কনজিউমার অ্যাপগুলো নয়। কিছু মডেলের জন্য প্রোভাইডার API-তে আর নিজে চালানো ওপেন-ওয়েট মডেলে ফাইন-টিউনিং অফার করা হয়। একটা চ্যাট প্রোডাক্টের ভেতরে এর সমতুল্য হলো একটা স্ট্যান্ডিং ইন্সট্রাকশন: ChatGPT-এর কাস্টম ইন্সট্রাকশন, বা Whizi-তে একটা প্রজেক্ট-লেভেল ইন্সট্রাকশন যা সেই প্রজেক্টের প্রতিটা কথোপকথনে প্রযোজ্য হয়।
