實用工具
輸入
結果
結果會顯示在這裡。OpenAI 的微調工作如果沒通過驗證，或是在悄悄損壞的範例上完成訓練，都會浪費時間和金錢。這個工具把 OpenAI 官方資料準備筆記本（openai/openai-cookbook，MIT）中的檢查套用到你的 JSONL 檔案上——每行一個聊天範例——並延伸到那份筆記本問世之後才加入格式的部分：工具呼叫、圖片內容片段，以及每則訊息的權重。你會看到每個錯誤及其行號、筆記本提供的 Token 統計、API 預設會選擇的訓練輪數（epoch），以及訓練會計費多少 Token。
它是怎麼運作的
- 每一行都必須是含有 messages 陣列的 JSON 物件；角色必須是 system、user、assistant、tool 或 function，而且每個範例至少要有一則可供學習的 assistant 訊息。
- 它會檢查上傳驗證會拒絕的內容：未知的鍵、空白內容、不是 0 或 1 的 weight 或設在非 assistant 訊息上的 weight、缺少 id、名稱或 JSON 參數的工具呼叫，以及 tool_call_id 對應不到任何先前呼叫的工具回覆。
- 它也能認出格式完全不對的檔案——舊式的 prompt/completion 版面，以及偏好（DPO）資料——並直接說明，而不是列出幾百個錯誤。
- Token 以筆記本的公式搭配 o200k_base 計算；超過 Token 上限的範例會被標出，因為訓練時會截斷它們，而計費 Token 等於截斷後的總數乘以預設訓練輪數。
你的資料去了哪裡
哪也沒去。本工具完全在你的瀏覽器裡執行：你貼上的文字由頁面處理，不會傳輸到任何伺服器，也不會寫進任何紀錄。
本工具免費且免登入，執行結果只存在於你目前的頁面裡，不會被儲存到任何地方。
它要花多少
本工具完全免費，不需要登入，也不消耗點數。
常見問題
- 需要多少個範例？
- 少於 10 個 API 會拒絕。OpenAI 建議從 50 到 100 個精挑細選的範例開始，只有在結果確實改善時才再增加。預設訓練輪數會依檔案大小調整：大多數檔案是 3，非常小的檔案會更多（最多 25），非常大的檔案則更少，本工具採用的就是這個規則。
- Token 上限這個設定有什麼作用？
- 它是基礎模型能訓練的最長範例長度；OpenAI 文件中 gpt-4o 和 gpt-4o-mini 是 65,536 Token，這也是這裡的預設值。更長的範例在訓練時會被截到上限，所以結尾部分——通常正是 assistant 的回答——會遺失。請設定為你所選模型文件中記載的上限。
- 我的 Token 數會和 OpenAI 算的完全一樣嗎？
- 很接近，但不一定完全相同：筆記本公式中每則訊息的額外開銷是近似值，工具定義則以其 JSON 文字計算。請用它來找出過長的範例並估算費用；最終以微調工作本身回報的已訓練 Token 數為準。
- 會檢查 DPO 或強化微調的檔案嗎？
- 不會。它驗證的是監督式聊天格式。含有 preferred_output 和 non_preferred_output 的偏好檔案會被偵測出來並如實回報，讓你知道為什麼每一行都失敗，但不會檢查它本身的結構。
背後的開源專案
本工具是獨立實作，並未打包第三方函式庫。openai/openai-cookbook（MIT）在程式碼層面做的是同一件事——如果你需要在自己的程式裡實作它，從那裡開始，而不是呼叫一個網頁。
openai/openai-cookbook也常被稱作
- jsonl 驗證
- openai 微調 資料格式
- fine-tuning jsonl
- 微調資料檢查
- openai fine tune 格式
- 微調 token 計算