ファインチューニングfine-tuning
ファインチューニングは、学習済みのAIモデルを特定の課題や分野に合わせて追加学習させる手法である。
記事6本
最終言及 ファインチューニングは、既存のAIモデルを特定の課題や分野のデータで追加学習させる手法である。モデルを一から学習させるのではなく、学習済みモデルのパラメータを調整する。
外部情報を検索して回答に利用し、モデルのパラメータは変更しないRAGとは異なる。
この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。
この項目を扱った記事
これに対していまのモデルは、膨大なデータで学ぶ大規模な学習段階である事前学習によって基本的な推論能力を「育て」、ファインチューニングや事後学習はその後に振る舞いを整えるために付け加えられます。
プロンプトやファインチューニングでモデルに質問させることは、人間が何を大切にしているかについて本当の数学的な不確かさを持たせることとは違うというのです。
Apache 2.0ライセンスにより、商用利用、改変、そしてファインチューニング（特定のタスク向けにモデルを追加学習させる工程）をライセンス料なしで行えます。
最初のバージョンはゼロショットで提供し、専用のファインチューニングを行う前にフィードバックを集める方針で、Lunaの画像認識機能も追加の連携作業なしでそのまま使えます。
モデルの学習： 成功したタスクの実行結果をファインチューニング用の事例とし、強化学習ではさらに試行を重ねて動作を検証・改善します。