O fine-tuning (axuste fino) consiste en partir dun modelo xa adestrado de forma xeral e readestralo cun conxunto de datos máis reducido e específico, de xeito que se especialice nunha tarefa ou dominio concretos. En lugar de adestrar desde cero, aproveitase o coñecemento previo do modelo base e adáptanse os seus parámetros ás necesidades particulares.
Esta técnica importa porque permite obter modelos especializados con menos datos, menos tempo e menos custo computacional que un adestramento completo. Resulta especialmente útil para:
- Adaptar a linguaxe a un sector (xurídico, médico, financeiro).
- Axustar o estilo ou o ton das respostas.
- Mellorar o rendemento en tarefas moi concretas.
Un matiz práctico: existen variantes máis lixeiras como LoRA ou QLoRA, que modifican só unha pequena parte dos parámetros e reducen aínda máis os recursos necesarios. Convén distinguir o fine-tuning doutras alternativas, como o prompt engineering ou a RAG, que non alteran os pesos do modelo e ás veces bastan para resolver o problema.