Fine-Tuning
Zusätzliches Training eines fertigen Modells mit ausgewählten eigenen Beispielen.
Einfach erklärt
Fine-Tuning nimmt ein vorhandenes Modell und trainiert es mit einer überschaubaren Menge eigener Beispiele weiter. Sinnvoll ist das vor allem für Form und Stil: ein festes Antwortformat, ein bestimmter Ton, ein Fachvokabular. Die Beispiele müssen sauber vorbereitet sein, das kostet Zeit und Geld.
Fine-Tuning macht Antworten nicht automatisch aktueller oder korrekter. Für aktuelles oder internes Wissen ist meist RAG der bessere Weg, weil es Dokumente zur Laufzeit heranzieht, ohne das Modell dafür erneut zu trainieren. Ein Dienstleister, der sofort zu teurem Fine-Tuning rät, sollte begründen, warum ein einfacherer Weg nicht reicht.
Beispiel aus dem Alltag
Eine Kanzlei trainiert ein Modell mit Beispielen für ihr Schriftsatz-Layout. Anschließend prüft sie an neuen Entwürfen, ob das gewünschte Format eingehalten wird.
Häufige Fragen
Was ist der Unterschied zwischen Fine-Tuning und RAG?
Fine-Tuning trainiert das Modell mit eigenen Beispielen weiter und eignet sich für Stil und Format. RAG stellt zur Laufzeit Dokumente bereit und eignet sich für aktuelles oder internes Wissen. Oft ist RAG der einfachere Weg.
Macht Fine-Tuning die Antworten aktueller?
Nein. Es prägt Form und Ton, nicht den Wissensstand. Für aktuelle Inhalte braucht es neue Daten über RAG oder ein erneutes Training.
Wann lohnt sich Fine-Tuning?
Wenn ein festes Ausgabeformat, ein bestimmter Ton oder ein Fachvokabular dauerhaft gebraucht wird und Prompts allein nicht ausreichen. Die Beispiel-Aufbereitung kostet Zeit und Geld.