El fine-tuning (ajust fi) consisteix a partir d'un model ja entrenat de forma general i reentrenar-lo amb un conjunt de dades més reduït i específic, de manera que s'especialitzi en una tasca o domini concrets. En lloc d'entrenar des de zero, s'aprofita el coneixement previ del model base i s'adapten els seus paràmetres a les necessitats particulars.
Aquesta tècnica és important perquè permet obtenir models especialitzats amb menys dades, menys temps i menys cost computacional que un entrenament complet. Resulta especialment útil per a:
- Adaptar el llenguatge a un sector (legal, mèdic, financer).
- Ajustar l'estil o el to de les respostes.
- Millorar el rendiment en tasques molt concretes.
Un matís pràctic: existeixen variants més lleugeres com LoRA o QLoRA, que modifiquen només una petita part dels paràmetres i redueixen encara més els recursos necessaris. Convé distingir el fine-tuning d'altres alternatives, com el prompt engineering o la RAG, que no alteren els pesos del model i a vegades són suficients per resoldre el problema.