Fine-Tuning
Auch: Feinabstimmung, Nachtraining
Fine-Tuning ist das Weitertrainieren eines vortrainierten Sprachmodells mit zusätzlichen Daten, um es an bestimmte Aufgaben, Themen oder Stile anzupassen.
Fine-Tuning bezeichnet das Weitertrainieren eines bereits vortrainierten Sprachmodells mit zusätzlichen Daten. Das Modell übernimmt dadurch Muster und Eigenschaften dieser Daten. Laut Anthropic eignet sich Fine-Tuning, um ein Modell an ein bestimmtes Fachgebiet, eine Aufgabe oder einen Schreibstil anzupassen. Auch Assistenten wie Claude sind bereits durch Fine-Tuning zu hilfreichen Assistenten geworden.
Bedeutung für KI-Sichtbarkeit
Fine-Tuning betrifft die Modelle selbst, auf die Unternehmen bei ChatGPT, Claude oder Gemini keinen Einfluss haben. Für die Sichtbarkeit Ihrer Marke wichtiger sind die Quellen, die KI-Systeme bei einer Anfrage live abrufen, siehe RAG und Grounding, sowie das Wissen aus dem Training bis zum Knowledge Cutoff.
Häufige Fragen
Was ist der Unterschied zwischen Fine-Tuning und RAG?
Beim Fine-Tuning wird das Modell dauerhaft verändert. Bei RAG ruft das Modell zur Laufzeit zusätzliche Informationen ab, ohne selbst verändert zu werden.
Kann ich ChatGPT per Fine-Tuning meine Marke beibringen?
Nur für eigene Anwendungen über die Programmierschnittstelle. Das öffentliche ChatGPT ändert sich dadurch nicht.