Hintergrund
Wenn die Bibliothek der Benutzermodelle wächst, stimmen die Basisempfehlungen möglicherweise nicht genau mit der Nachfrage überein. Copilot kann mit den folgenden Methoden trainiert werden, um genauere Modellempfehlungen zu geben.
Zentrale Lösungen
- Feedback-Training: Wird nach jeder Empfehlung umgesetzt:
- Bewerten Sie die Ergebnisse der Empfehlung (1-5 Sterne)
- Geben Sie ein "Warum diese Punktzahl" ein, um zu erklären, warum.
- Verwenden Sie "bessere Alternative", um besser geeignete Modelle zu markieren
- Anmerkung zu einem Merkmal: Verbessern Sie das Verständnis des Modells mit den folgenden Befehlen:
- "Modell [Name] als [Stil] taggen" (z. B. "Modell portraitLoRA als photorealistisch taggen")
- "Modellpriorität [Name] [1-10] einstellen", um persönliche Einstellungen vorzunehmen
- "Modell [Name] ausblenden" blendet irrelevante Modelle aus
- Optimierung von SzenenImproving Matching Accuracy Using Scenario Prefixes:
- "kommerzielle Anzeige" (Anforderungen an kommerzielle Werbung)
- "Wissenschaftliche Visualisierung:"
- "Mobile App UI:"
praktisches Können
- Synchronisieren Sie regelmäßig neue Modelle, die der Gemeinschaft hinzugefügt werden, mit der Funktion "Modelldatenbank aktualisieren".
- Erstellen einer persönlichen Modellsammlung: "create model collection [name]"
- Für spezielle Bereiche können Sie über die Funktion "Train Custom Recommender" Beispieldaten hochladen.
Mitnahmeeffekt
Mit kontinuierlichem Feedback und Szenario-Labelling dauert es in der Regel 2-3 Wochen, um die Empfehlungsgenauigkeit um mehr als 40% zu verbessern. Es wird empfohlen, die am Kernworkflow beteiligten Modelle ausführlich zu annotieren, und Copilot wird den annotierten Modellen Priorität einräumen.
Diese Antwort stammt aus dem ArtikelComfyUI-Copilot: ein KI-Assistent für die Erstellung von Textbeschreibungen ComfyUI-WorkflowsDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Wie kann ich die Genauigkeit der Modellempfehlungen des ComfyUI-Copilot verbessern?
