Какие задачи решаем
- Модель, которая пишет в стиле и формате компании
- Классификация обращений и документов
- Извлечение полей из договоров, актов, заявок
- Отраслевая терминология: право, медицина, техника
- Маленькая быстрая модель вместо дорогой большой
- Модель для закрытого контура без внешних API
Дообучение нужно не всегда. Часто задачу решают хорошие инструкции и база знаний — это дешевле и быстрее. Дообучение оправдано, когда модель должна стабильно выдавать ваш формат, знать узкую терминологию или принимать решения как ваш специалист: юридические и медицинские тексты, техническая документация, разбор обращений, извлечение полей из документов.
Мы собираем и чистим датасет из ваших данных, дообучаем открытую модель (LoRA/QLoRA — быстро и без переобучения всей модели), сравниваем качество с исходной моделью и с внешними API на ваших примерах, разворачиваем результат у вас или в российском облаке.
Дообученная модель остаётся вашей: веса, датасет и отчёт о качестве передаём заказчику.
Что вы получаете
- Датасет: сбор, очистка, разметка
- Дообученная модель (веса передаются вам)
- Отчёт о качестве: до и после, сравнение с внешними моделями
- Развёртывание и инструкция по обновлению
Как выглядит типовой проект
Модель для разбора входящих документов в отраслевой компании
| Этап | Срок | Что делаем |
|---|---|---|
| Диагностика | 1–2 недели | Проверяем, решают ли задачу инструкции и база знаний; если нет — фиксируем метрику и объём данных. |
| Датасет и обучение | 3–6 недель | Сбор и разметка примеров, дообучение открытой модели, сравнение с исходной моделью и внешними API. |
| Внедрение | 2–4 недели | Развёртывание в контуре, подключение к учётной системе, регламент дообучения на новых примерах. |
Итог: Модель стабильно выдаёт нужный формат и терминологию; качество подтверждено отчётом «до и после» на ваших данных.
Как идёт проект
- ДиагностикаРазбираем задачу, данные и метрику успеха; оцениваем, окупится ли проект. Итог — план пилота с ценой и сроком.
- Пилот на ваших данныхРабочий прототип на реальных данных или одном объекте. Меряем качество по согласованной метрике.
- Промышленная версияИнтеграция с вашими системами, мониторинг, права доступа, документация.
- СопровождениеДообучение на новых данных, контроль качества, развитие под новые задачи.
Что нужно от вас
- Примеры задач и правильных ответов — от нескольких сотен
- Доступ к данным или выгрузка (обезличим при необходимости)
- Метрика «что считаем хорошим результатом»
Статьи по теме
Похожие услуги
Предиктивная аналитика и анализ данных · AI SEO и GEO · Локальные LLM на своём сервере · AI в маркетинге и контенте
Расскажите задачу — за одну встречу оценим, решается ли она, какие нужны данные и сколько будет стоить пилот. Договор, NDA и документы — от IRI Lab.
Обсудить проект GPU-серверы в РоссииFAQ
Сколько нужно данных?
Для формата и стиля — от нескольких сотен качественных примеров, для классификации и извлечения — от тысячи. Недостающее можно разметить или сгенерировать и проверить.
Чем дообучение отличается от базы знаний (RAG)?
RAG даёт модели доступ к актуальным документам, дообучение меняет её поведение: формат, стиль, решения. Часто нужны оба — начинаем с того, что дешевле решает задачу.
Какую модель дообучаем?
Открытые модели — Qwen, DeepSeek, GLM, Llama и другие — подходящего размера под задачу и ваше железо.
Сколько стоит обучение по GPU?
Для моделей среднего размера — десятки GPU-часов, для крупных — сотни. Аренда GPU в России входит в смету, её считаем на диагностике.