Il fine-tuning continua l’addestramento di un modello già preaddestrato usando dati scelti per un compito, dominio o comportamento. Aggiorna parametri del modello o componenti aggiuntive. Si distingue dal fornire documenti nel prompt, che modifica il contesto senza riaddestramento.
Esempio pratico
Un modello può essere adattato a classificare richieste secondo categorie e convenzioni di un’organizzazione.
Cosa tenere presente
Il fine-tuning non è necessariamente il modo migliore per aggiungere conoscenze aggiornate: una soluzione RAG può essere più facile da mantenere. Servono dati di qualità e un insieme di valutazione separato.
Termini correlati
Fonte di riferimento: documentazione o ricerca originale. Verificata il 16 ottobre 2026.