Ajuste fino

Treinar um modelo já pronto com dados específicos seus para que ele se especialize numa tarefa ou num estilo.

Hard

O que é

Ajuste fino é pegar um modelo de IA já treinado e dar a ele uma rodada extra de treino com dados específicos, para que ele se ajuste melhor a uma tarefa, um domínio ou um jeito de responder. Em vez de construir do zero, você parte de algo robusto e o especializa no que você precisa.

É relevante para equipes que têm um caso muito particular, com vocabulário próprio, formato fixo de saída ou um estilo que o modelo base não acerta sozinho. O ajuste fino pode deixar o modelo mais consistente naquilo, sem precisar explicar tudo em cada prompt.

Na maioria dos casos de produto, porém, ajuste fino não é o primeiro recurso. Muita coisa se resolve antes com bom design de prompt e com RAG, que são mais baratos e mais fáceis de mudar. Ajuste fino entra quando essas opções não dão conta, porque treinar e manter um modelo ajustado custa tempo, dado e dinheiro.

Em uma frase

Antes de partir pro ajuste fino, vamos ver se prompt e RAG não resolvem, sai bem mais barato.

A pergunta que ele responde

Dá para deixar a IA especialista no meu assunto e no meu estilo?

Quando usar

Quando prompt e RAG não bastam e você precisa de consistência forte num domínio ou estilo próprio.

Como não usar

Partir para ajuste fino antes de tentar prompt e RAG. Costuma ser caro e rígido para o que um prompt resolveria.

Na prática

Uma equipe com um formato de laudo muito específico faz ajuste fino para o modelo gerar sempre naquela estrutura, sem precisar repetir as regras a cada pedido.

Não confunda com

Ajuste fino não é o mesmo que RAG: o ajuste fino muda o modelo treinando com seus dados, o RAG mantém o modelo igual e busca a informação na hora da pergunta.

Tecnologia

Em inglês

Fine-tuning

Pronúncia

fain-tiú-ning

Também chamado de

fine-tuning, fine tuning, ajuste fino de modelo

Origem

n/a

Fonte

Saiba mais

OpenAI, documentação sobre fine-tuning de modelos