Fine-tuning (ajuste fino) é o processo de continuar o treinamento de um modelo pré-treinado com um conjunto de dados específico para adaptar seu comportamento a uma tarefa ou domínio particular. Em vez de treinar um modelo do zero — o que exige recursos computacionais enormes — o fine-tuning parte de um modelo que já aprendeu representações ricas da linguagem e o especializa com exemplos relevantes. Por exemplo: um LLM genérico pode ser fine-tuned com contratos jurídicos brasileiros para melhorar sua precisão em terminologia legal; um modelo de atendimento ao cliente pode ser fine-tuned com histórico de conversas da empresa para adotar seu tom e política. O resultado é um modelo customizado que combina o conhecimento geral do modelo base com expertise no domínio específico. Técnicas modernas como LoRA e QLoRA tornaram o fine-tuning acessível: é possível adaptar modelos de dezenas de bilhões de parâmetros em GPUs de consumo, em poucas horas, com conjuntos de treinamento de centenas a poucos milhares de exemplos. Para empresas brasileiras, o fine-tuning é a diferença entre um assistente genérico e um especialista no produto, no mercado e na linguagem específica do negócio.
Navegar por letra: