Hoe heet die tweede aanpak, het trainen op voorbeelden?

Fine-tuning neemt een reeds getraind, algemeen AI-model en zet de training voort op een kleinere, meer gerichte set voorbeelden die specifiek zijn voor een taak of stijl, waarbij de interne parameters van het model worden bijgesteld zodat het die vaardigheid of toon rechtstreeks opneemt in de manier waarop het antwoorden genereert. Dit verschilt van simpelweg de formulering van je instructies veranderen, aangezien fine-tuning het onderliggende model zelf aanpast in plaats van alleen de invoer die je ernaartoe stuurt.

Prompten is het lichtere alternatief: slimme instructies of voorbeelden opstellen om het gedrag van een algemeen model te sturen zonder het model zelf te veranderen, wat snel en goedkoop is maar slechts tot op zekere hoogte werkt. Streaming verwijst naar het geleidelijk tonen van een antwoord terwijl het wordt gegenereerd, een ongerelateerde kwestie van uitvoerlevering, niet van hoe een model leert.

Fine-tuning kan duurder en tijdrovender zijn dan prompten, omdat het hertraining op zorgvuldig samengestelde voorbeelden vereist, maar het kan gespecialiseerde kennis of gedrag dieper inbakken dan slim prompten alleen, wat verklaart waarom bedrijven modellen vaak fine-tunen voor specifieke professionele domeinen.