Fine-tuning
Continuar el entrenamiento de un modelo con datos propios para ajustar su comportamiento a una tarea o un estilo.
También: ajuste fino · afinado · reentrenamiento
GlosarioFine-tuning es entrenar un poco más un modelo ya entrenado con ejemplos propios (pares de entrada y salida esperada) para que cambie su comportamiento: un formato fijo, un estilo, una clasificación muy específica. Modifica los pesos del modelo, así que el efecto persiste sin repetir instrucciones en cada llamada.
En la práctica
Es el último recurso, no el primero. Antes, agota el prompting, los ejemplos Few-shot, la Salida estructurada y RAG: son más baratos, más rápidos de iterar y no te atan a una versión del modelo. El fine-tuning sirve sobre todo para enseñar cómo responder, no para añadir conocimiento que cambia; para eso, RAG. Necesitas un buen conjunto de datos y Evals para comprobar que mejora sin romper otras capacidades. Qué modelos admiten fine-tuning depende del proveedor: consulta su documentación.
No confundir con
- Few-shot: ejemplos en el prompt, sin cambiar el modelo.
- Destilación: fine-tuning con datos generados por un modelo más grande.