Resposta correta
- BTreinar ainda mais um modelo com dados específicos de um domínio para alterar seu comportamento permanentemente em uma tarefa
Explicação
O ajuste fino (fine-tuning) é o processo de pegar um modelo de linguagem pré-treinado e treiná-lo adicionalmente em um conjunto de dados específico de um domínio para adaptar seu comportamento permanentemente para uma tarefa específica. Isso é usado em vez da engenharia de prompt quando a tarefa requer saídas consistentes e especializadas que não podem ser alcançadas de forma confiável apenas por instruções de prompt, como classificar registros médicos ou gerar documentos legais.
Para se aprofundar
O ajuste fino continua treinando os pesos de um modelo pré-treinado em um conjunto de dados curado para que o comportamento aprendido persista em cada inferência futura sem precisar dos exemplos no prompt. A engenharia de prompt, em vez disso, molda a saída no momento da solicitação por meio de instruções, exemplos ou mensagens do sistema, deixando os pesos intactos. O ajuste fino é adequado para tom consistente, esquemas de saída estritos ou vocabulário especializado que, de outra forma, consumiria grandes orçamentos de prompts, e pode reduzir a latência e o custo de tokens. Uma sutileza: o ajuste fino não pode injetar de forma confiável novos conhecimentos factuais e pode piorar a capacidade geral se o conjunto de dados for restrito ou ruidoso, portanto, a geração aumentada por recuperação costuma ser preferível para alterar fatos. Um caso realista é um assistente de suporte que deve sempre emitir um esquema de ticket JSON fixo.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.