Ajuste fino
Tomar un modelo existente y seguir entrenándolo con datos propios para especializarlo.
El ajuste fino consiste en tomar un modelo ya entrenado y continuar brevemente su entrenamiento con un conjunto más estrecho y específico de ejemplos. El resultado se especializa en una tarea, tono o campo sin el enorme coste de crear un modelo desde cero.
Puede ser muy eficaz. Un fondo aplicó ajuste fino a un modelo gratuito de pesos abiertos con el criterio de sus expertos y superó a todas las grandes IA cerradas en finanzas por una fracción del coste. La lección es general: para trabajos especializados, un modelo pequeño adaptado con datos propios puede superar a otro grande y generalista.
Es una razón clave por la que los modelos de pesos abiertos son valiosos para empresas: pueden adaptarlos manteniendo modelo y datos bajo control.