Como se chama a segunda abordagem, a de treinar com exemplos?

O fine-tuning pega um modelo de IA já treinado e de propósito geral e continua treinando-o com um conjunto menor e mais focado de exemplos específicos de uma tarefa ou estilo, ajustando os parâmetros internos do modelo para que ele absorva essa habilidade ou tom diretamente na forma como gera respostas. Isso é diferente de simplesmente mudar a redação das suas instruções, já que o fine-tuning modifica o próprio modelo subjacente, e não apenas a entrada que você envia a ele.

O uso de prompts é a alternativa mais leve: elaborar instruções ou exemplos inteligentes para guiar o comportamento de um modelo geral sem mudar o modelo em si, algo rápido e barato, mas com alcance limitado. Streaming se refere a exibir uma resposta gradualmente conforme ela é gerada, uma questão sem relação sobre a entrega da saída, não sobre como um modelo aprende.

O fine-tuning pode ser mais caro e demorado do que usar prompts, já que exige retreinamento com exemplos selecionados, mas pode incorporar conhecimento ou comportamento especializado de forma muito mais profunda do que apenas prompts inteligentes, motivo pelo qual empresas costumam fazer fine-tuning de modelos para domínios profissionais específicos.