背景
ユーザーモデルのライブラリが拡張されると、ベースとなる推奨モデルが需要と完全に一致しなくなる可能性があります。Copilotは、以下の方法によって、より正確なモデルの推奨を提供するようにトレーニングすることができます。
コアソリューション
- フィードバックトレーニング各勧告の後に実施：
- 推薦結果を評価する（星1～5つ）
- なぜこの点数なのか」を記入し、その理由を説明する。
- より適切なモデルをマークするには「better alternative」を使用する。
- フィーチャー注釈以下のコマンドでモデルの理解を深めることができます：
- "tag model [name] as [style]" (例："tag model portraitLoRA as photorealistic")
- "set model priority [name] [1-10]" 個人的な好みを設定する
- "hide model [name]" は無関係なモデルを非表示にする。
- シーンの最適化シナリオ接頭辞を用いたマッチング精度の向上：
- 「商業広告：」（商業広告の要件）
- 「科学的視覚化
- 「モバイルアプリのUI
実技
- モデルデータベースの更新」を使用して、コミュニティに追加された新しいモデルを定期的に同期する。
- 個人モデルコレクションの作成："モデルコレクション[名前]の作成"
- 専門的な分野については、"train custom recommender "を使ってサンプルデータをアップロードしてください。
持ち帰りポイント
継続的なフィードバックとシナリオのラベリングにより、推薦精度を40%以上向上させるには、通常2～3週間かかる。コアワークフローに関与するモデルには深い注釈を付けることが推奨され、Copilotは注釈付きモデルを優先します。
この答えは記事から得たものである。ComfyUI-Copilot：テキスト記述生成のためのAIアシスタント ComfyUIワークフローについて
無断転載を禁じます：AI生産性ツール " ComfyUI-Copilotのモデル推薦精度を向上させるにはどうすればよいですか？
