Feinabstimmung

Fine-Tuning setzt das Training eines Modells auf einem engeren Datensatz fort, damit es besser zu einer Domäne, einem Stil oder einer Aufgabe passt.

Teams sammeln Beispiele, trainieren (vollständig oder parametereffizient) und bewerten dann Qualität und Regressionen. Fine-Tuning fügt neues Wissen nicht so zuverlässig hinzu wie Retrieval.