Fine-tuning (ajuste fino)
Definição
O fine-tuning treina ainda mais um modelo existente com exemplos específicos da empresa para que adote um estilo, formato ou comportamento de classificação. Ele muda como o modelo responde, não quais fatos atuais conhece, e costuma ser a última opção depois de prompts e recuperação de dados.
Compensa para tarefas estreitas, de alto volume e repetitivas, com formatos de saída estáveis — classificação de documentos, extração estruturada, correspondência padronizada.
É pouco adequado para conhecimento que muda: preços, estoque, termos contratuais. Isso pertence à recuperação de dados ou a uma consulta direta ao sistema.
Na prática
- Melhor para consistência de estilo, formato e classificação
- Exige um conjunto curado e rotulado de exemplos da empresa
- Gera custo de manutenção a cada nova geração de modelo
Termos relacionados
- Modelo de linguagem de grande escala (LLM)Um modelo de linguagem de grande escala é um modelo estatístico treinado em enormes volumes de texto que prevê continuações prováveis de um texto. É capaz de classificar, resumir, traduzir e redigir, e é o componente de raciocínio dentro da maioria dos agentes de IA — mas não contém, por si só, dados atuais da empresa.
- Geração aumentada por recuperação (RAG)Geração aumentada por recuperação é um método em que documentos relevantes da empresa são buscados primeiro e os trechos recuperados são fornecidos ao modelo de linguagem como contexto. O modelo responde a partir desses trechos, o que torna as respostas atuais, rastreáveis à fonte e auditáveis.
- Engenharia de promptEngenharia de prompt é a prática de especificar por escrito o que um modelo deve fazer: a tarefa, as regras, o formato de entrada e a estrutura de saída exigida. Em sistemas de produção, os prompts são artefatos versionados, testados com casos reais como qualquer outro código.