Fine-tuning
Prendere un modello esistente e addestrarlo ulteriormente sui propri dati per specializzarlo.
Il fine-tuning consiste nel prendere un modello già addestrato e proseguirne brevemente l’addestramento su un insieme di esempi più ristretto e specifico. Il risultato è una versione specializzata per una particolare attività, tono o settore, senza l’enorme costo necessario per costruire un modello da zero.
Può essere straordinariamente efficace. In un caso, un hedge fund ha sottoposto a fine-tuning un modello gratuito a pesi aperti usando il giudizio dei propri esperti e ha superato tutte le grandi IA chiuse nelle attività finanziarie, spendendo una frazione del costo. La lezione è generale: per un lavoro specializzato, un modello più piccolo plasmato sui propri dati può superarne uno più grande e generalista.
Il fine-tuning è uno dei motivi principali per cui i modelli a pesi aperti sono tanto preziosi per le aziende: possono essere adattati alle proprie esigenze mantenendo sotto controllo sia il modello sia i dati.
-
Un modello aperto è ormai mesi, non anni, indietro rispetto alla frontiera. I suoi test di sicurezza non lo sono.
-
I ricercatori si sono chiesti perché i chatbot non siano efficaci con i fogli di calcolo e la risposta è più strana del previsto
-
L’avvertimento del CEO di Mistral: i modelli IA chiusi hanno un posto in prima fila nella tua azienda
-
Un’IA più piccola e personalizzata ha battuto GPT e Claude in un lavoro reale, a una frazione del costo