SFT→GRPOをフェーズ分けしてFTする実装パイプライン — MCP連携とツール選定まとめ(2026年版)

SFTとGRPOのfine-tuningにおいて、データフォーマットではなく計算グラフの違いからフェーズ分け実行が必要であることを解説。MCP連携やツール選定についても言及。

• SFTとGRPOの性質の異なる学習データをfine-tuningする際、データ混合ではなくフェーズ分離が現実的解。
• Claude CodeとChatGPT (Developer Mode) のMCP連携によるFTオーケストレーションの技術的可能性と成熟度の差を比較。
• データ混合比率の制御は、物理ファイルの比率変更以外にサンプリング重みや動的リウェイティングなどの手法がある。
• SFTとGRPOを同じバッチに混ぜる限界と、interleave_datasetsの使いどころ、カスタムTrainerの必要性を解説。