Fine-Tuning
Réentraîner un LLM existant sur vos propres données pour lui enseigner un style, un domaine ou un format spécifique. Plus puissant que le prompt engineering pour des cas très ciblés, aussi beaucoup plus coûteux.
Forces
- Résultats très précis pour des cas d'usage très ciblés
Limites
- Coût élevé et rigidité, toute mise à jour des données nécessite un nouveau fine-tuning
Pour qui
- Comprendre pourquoi le fine-tuning n'est généralement pas la première solution à essayer