fine-tuning미세 조정
fine-tuning은 이미 학습한 AI 모델을 특정 작업이나 분야의 데이터로 추가 학습시키는 방법이다.
fine-tuning(이미 학습한 모델을 특정 작업에 맞게 더 학습시키는 방법)은 기존 AI 모델을 특정 작업이나 분야의 데이터로 추가 학습시키는 기법이다. 처음부터 모델을 학습시키는 것과 달리 기존 모델의 학습 결과를 바탕으로 매개변수를 조정한다.
외부 자료를 검색해 답변에 활용하지만 모델 매개변수는 바꾸지 않는 RAG와 구별된다.
이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.
이 항목을 다룬 기사
반면 지금의 AI는 pre-training(대량의 데이터로 기본 능력을 기르는 학습)으로 추론 능력이 '자라고', fine-tuning과 post-training(기본 학습 뒤에 모델을 다듬는 추가 학습)은 그 뒤에 행동을 다듬으려고 덧붙이는 단계입니다.
하지만 Russell은 prompt나 fine-tuning으로 질문하게 만드는 것과 효용에 대한 수학적 불확실성을 갖는 것은 다르다고 선을 긋습니다.
Apache 2.0 라이선스라 내려받아 fine-tuning(이미 학습한 모델을 특정 작업에 맞게 더 학습시키는 방법)하고, 수정해 상업적으로 배포해도 라이선스 비용이 들지 않습니다.
컴퓨터를 조작하는 agent와 코딩 agent를 데이터 생성 과정 전 단계에 넣은 재귀적 학습 구조, 그리고 성공한 시도만 골라 fine-tuning(이미 학습한 모델을 특정 작업에 맞게 더 학습시키는 방법)하는 RFT(rejection sampling fine-tuning)와 RL(r…