Fine-Tuning

También conocido como: Model Fine-Tuning, Ajuste Fino, Domain Adaptation

Proceso de re-entrenamiento de un modelo de IA preentrenado con datos específicos del dominio para mejorar su desempeño en tareas especializadas.

El Fine-Tuning (ajuste fino) es el proceso de tomar un modelo de IA preentrenado en datos generales (un foundation model como GPT-4 o Llama 3) y re-entrenarlo con un conjunto de datos específico del dominio para mejorar su desempeño en tareas particulares.

En investigación de mercados, el fine-tuning permite crear modelos especializados en: clasificación de verbatims según taxonomías específicas de la industria, generación de reportes con el tono y formato de una empresa específica, análisis de sentimiento calibrado para un idioma o región concreta, o codificación según frameworks de research propios.

El fine-tuning requiere datos de entrenamiento de alta calidad (pares input-output correctos), capacidad computacional y conocimiento técnico. Alternativas más accesibles son el in-context learning mediante few-shot prompting y los sistemas RAG, que logran personalización sin re-entrenar el modelo.

Atlantia evalúa selectivamente el fine-tuning para tareas de alta frecuencia en su plataforma donde la precisión es crítica.