Affinage (fine-tuning)
Le fait de donner à un modèle d'IA pré-entraîné une formation supplémentaire avec les propres données d'exemple d'une organisation, afin qu'il corresponde à une tâche ou à un style précis.
- 01
Pourquoi c'est important
L'affinage peut rendre un modèle plus précis dans un travail qui exige un format, un style ou une classification cohérents. Ce n'est toutefois généralement pas la bonne façon d'enseigner des informations qui changent fréquemment ; la génération enrichie par récupération convient mieux à cela. De bons résultats dépendent de données d'exemple propres et représentatives.
- 02
Exemple
Une entreprise affine un modèle avec deux mille tickets de support étiquetés. Le modèle classe les nouveaux tickets dans la bonne catégorie et les tickets parviennent plus vite à l'équipe concernée.
- 03
Erreur fréquente
Essayer d'enseigner par l'affinage des informations en constante évolution comme les prix et les stocks. Le modèle mémorise des informations obsolètes et doit être réentraîné à chaque changement.
- 04
Termes associés
Services et guides associés
Parlons de votre projet.
Dites-nous votre besoin ; nous définirons le périmètre ensemble.