En ny tutorial fra MarkTechPost præsenterer en komplet arbejdsgang for at bygge en kompakt, ræsonnerende sprogmodel. Guiden viser, hvordan man streamer SupraLabs reasoning-korpus fra Hugging Face, anvender kvalitetsfiltre og kuraterer data til Supervised Fine-Tuning (SFT). Med udgangspunkt i SmolLM2-135M-Instruct og LoRA demonstreres hele pipelinen – fra dataanalyse og heuristisk rensning til effektiv træning og inferens.
For beslutningstagere er pointen ikke de tekniske detaljer, men konsekvensen: Det er nu muligt at udvikle specialiserede små modeller uden overdrevne ressourcekrav. Det betyder, at organisationer kan overveje at bygge interne, domænespecifikke modeller frem for at købe dyr generel kapacitet. Guiden understreger, at barrieren for at komme i gang er faldet markant – både i forhold til dataadgang og træningsinfrastruktur.
Selvom eksemplet bruger en lille model, er principperne overførbare til større opsætninger. For virksomheder, der overvejer at investere i egne modeller, er det værd at læse guiden som en indikation af, hvad der nu er muligt med open source-værktøjer. Den oprindelige artikel giver den fulde gennemgang.
