Fine-tuning
Fine-tuning past een voorgetraind model aan door verdere training. Actuele documenten tijdens gebruik aanleveren is een andere handeling.
Fine-tuning traint een voorgetraind model verder met gegevens voor een bepaalde taak of domein. Het past modelgedrag aan in plaats van slechts bij elke aanvraag een document toe te voegen.
Voorbeeld van een antwoordformaat
Een hypothetisch team wil servicevragen in een vast kort formaat laten beantwoorden. Passende trainingsvoorbeelden kunnen dat gedrag aanleren. Betrouwbaarheid moet met aparte evaluatievoorbeelden worden beoordeeld.
Fine-tuning is niet hetzelfde als RAG: actuele bronnen ophalen is een andere functie. Beide kunnen worden gecombineerd. Training vervangt geen onderhoud van geldige werkinstructies of toegangscontroles. Ook aangepaste uitvoer vraagt toetsing op feitelijke juistheid en ongewenst gedrag.
Bronnen
Verwante begrippen
- Groot taalmodelEen groot taalmodel verwerkt taal met geleerde patronen. Vloeiende tekst bewijst geen feitelijke juistheid of toegang tot actuele bedrijfsgegevens.
- Retrieval-augmented generationRAG verbindt informatie ophalen met een gegenereerd antwoord. Brontoegang vervangt geen kwaliteits- en rechtenontwerp.
- LLM-evaluatieLLM-evaluatie toetst modeluitvoer aan vastgelegde taken en criteria. Eén goed voorbeeld bewijst geen algemene kwaliteit.
- ModelkaartEen modelkaart documenteert doel, grondslagen, beoordelingsvoorwaarden en bekende beperkingen van een bepaalde versie van een AI-model.
- AI-readinessAI-readiness betreft de voorwaarden voor een project: doel, bruikbare gegevens, vaardigheden, verantwoordelijkheden en dagelijks beheer.
- ContextengineeringContextengineering bereidt informatie voor elke modelaanroep voor: passende instructies, berichten, bronnen en de actuele stand van zaken.
Artikelen over dit onderwerp
AI & automatisering met ASES
AI-assistenten en geautomatiseerde processen