Fine-tuning (ajuste fino)
El fine-tuning (ajuste fino) es entrenar un poco más un modelo de IA que ya existe con tus propios ejemplos, para que mejore en un tipo de tarea, sin construir un modelo desde cero.
Selecciona cualquier frase de aquí para preguntarle a tu Maestro.
Un equipo ajusta un modelo con 500 de sus respuestas de soporte y lo prueba con 100 preguntas nuevas. ¿Qué mejora más?
Cómo funciona: juntas de decenas a cientos de ejemplos de una entrada y la respuesta que quieres, y el proveedor sigue entrenando el modelo con ellos. Los pesos de la red neuronal se mueven hacia tus ejemplos.
Cuándo usarlo: cuando un buen prompt con unos cuantos ejemplos no logra sostener tu formato o tus etiquetas, o para que un modelo chico y barato haga muy bien un solo trabajo.
Dónde falla: necesita muchos ejemplos buenos y aprende también sus errores. Y cada vez que cambia el modelo base o lo que necesitas, hay que entrenar otra vez.
Así se usa
Cómo se hace
Un fine-tuning, paso a paso
- Junta de decenas a cientos de ejemplos buenos: una pregunta y la respuesta ideal
- Guárdalos en un archivo JSONL: una conversación por líneaCada línea tiene el mensaje del usuario y la respuesta que quieres.
- Corre el entrenamiento sobre un modelo base en la plataforma del proveedor
- marcado: Prueba el modelo nuevo con ejemplos que nunca vioSi solo lo pruebas con los de entrenamiento, se ve mejor de lo que es.
Cuándo mirar más de cerca
Entrenado para un solo trabajo
Otro trabajo, mismo modelo
- marcado: Le pides: "Resume las ventas del trimestre por región en tres viñetas"
Ajustas un modelo con 500 respuestas de soporte muy amables y luego le pides resumir un reporte de ventas. ¿Qué te da?
Pregúntale a tu Maestro sobre Fine-tuning
Te responde desde la página gratis más cercana a esta palabra, igual que mientras estudias.
Tú: ¿Qué quiere decir "Fine-tuning", en palabras sencillas?
Tu Maestro: Te lo explico con un caso tuyo, que se queda mejor que una definición. ¿Qué formato o tono te cuesta que la IA respete?
Pregunta sobre: Responde desde la página "¿Qué significa una celda vacía? Cero, "no se sabe" o "no aplica""
Solo este navegador guarda lo que preguntas aquí. ¿Cómo funciona?
Para saber más
Términos relacionados
- LLM (modelo de lenguaje grande)
Un LLM es un programa entrenado con enormes cantidades de texto para continuar un texto una pieza a la vez: calcula qué pieza es más probable que siga y la escribe. ChatGPT, Claude y Gemini funcionan con un LLM.
- RAG (generación aumentada por recuperación)
RAG (generación aumentada por recuperación) hace que una IA conteste con tus documentos: primero busca los pasajes más parecidos a la pregunta y se los pasa al modelo junto con el prompt.
- Ingeniería de prompts (prompt engineering)
La ingeniería de prompts es escribir, probar y corregir las instrucciones para un modelo de lenguaje hasta que haga una tarea bien de forma confiable, comparando con casos cuya respuesta ya conoces.
- Red neuronal
Una red neuronal es un modelo hecho de capas de unidades de cálculo sencillas que aprende patrones a partir de ejemplos ajustando muchos números, llamados pesos. Así funcionan los LLM.