Fine-tuning
Il fine-tuning adatta un modello già addestrato con ulteriore addestramento. Fornire documenti attuali durante l’uso è un’altra operazione.
Il fine-tuning prosegue l’addestramento di un modello preaddestrato con dati per un compito o dominio. Ne adatta il comportamento, invece di aggiungere soltanto un documento a ogni richiesta.
Esempio di formato
Un gruppo ipotetico vuole risposte alle richieste di assistenza in un formato breve definito. Esempi di addestramento adatti potrebbero insegnarlo. L’affidabilità va valutata con esempi di verifica separati.
Il fine-tuning non equivale a RAG: recuperare fonti attuali è un’altra funzione. I due approcci possono combinarsi. L’addestramento non sostituisce manutenzione delle istruzioni valide o controlli di accesso. Anche gli output adattati vanno verificati per correttezza e comportamenti indesiderati.
Fonti
Termini correlati
- Modello linguistico di grandi dimensioniUn LLM elabora il linguaggio tramite schemi appresi. Un testo scorrevole non dimostra correttezza né accesso ai dati aziendali aggiornati.
- Retrieval-Augmented GenerationRAG combina recupero di informazioni e risposte generate. L’accesso alle fonti non sostituisce la progettazione di qualità e permessi.
- Valutazione degli LLMLa valutazione degli LLM verifica risultati rispetto a compiti e criteri definiti. Un buon caso isolato non dimostra la qualità generale.
- Model cardLa model card documenta scopo, basi, condizioni di valutazione e limiti noti di una determinata versione di un modello di IA.
- Preparazione all’IALa preparazione all’IA riguarda i presupposti di un progetto: obiettivo, dati utilizzabili, competenze, responsabilità e gestione operativa.
- Context engineeringIl context engineering prepara le informazioni per ogni chiamata al modello: istruzioni, messaggi, fonti e stati attuali pertinenti.
Articoli sul tema
IA & automazione con ASES
Assistenti IA e processi automatizzati