Wie heißt der zweite Ansatz, das Training mit Beispielen?

Fine-Tuning nimmt ein bereits trainiertes, universelles KI-Modell und trainiert es weiter mit einer kleineren, fokussierteren Sammlung von Beispielen für eine bestimmte Aufgabe oder einen bestimmten Stil, wobei die internen Parameter des Modells so angepasst werden, dass es diese Fähigkeit oder diesen Ton direkt in seine Art, Antworten zu erzeugen, aufnimmt. Das unterscheidet sich davon, einfach die Formulierung der Anweisungen zu ändern, da Fine-Tuning das zugrunde liegende Modell selbst verändert, statt nur die Eingabe, die man ihm schickt.

Prompting ist die leichtere Alternative: clevere Anweisungen oder Beispiele zu formulieren, um das Verhalten eines allgemeinen Modells zu lenken, ohne das Modell selbst zu verändern, was schnell und günstig ist, aber nur begrenzt weit trägt. Streaming bezeichnet die schrittweise Anzeige einer Antwort während sie erzeugt wird, eine unabhängige Frage der Ausgabelieferung, nicht davon, wie ein Modell lernt.

Fine-Tuning kann teurer und zeitaufwendiger sein als Prompting, da es ein erneutes Training auf kuratierten Beispielen erfordert, aber es kann Fachwissen oder Verhalten tiefer verankern als bloßes cleveres Prompting, weshalb Unternehmen Modelle oft für bestimmte Fachbereiche feinabstimmen.