Leksikon
Fine-tuning
Fine-tuning specialtræner en færdig AI-model til en bestemt opgave eller tone. Forstå hvornår det betaler sig — og hvornår RAG er det rigtige valg.
Hvad er fine-tuning?
Fine-tuning er at tage en færdig sprogmodel og træne den et skridt videre på dine egne eksempler, så den bliver bedre til en bestemt opgave eller rammer en bestemt tone. Du bygger ikke en model fra bunden — det ville koste en formue. Du finpudser en, der allerede kan en masse.
Hvad det er godt til
En fast tone eller form — svar, der konsekvent lyder som jer, eller leveres i et bestemt format.
En snæver, gentaget opgave — hvor du har mange eksempler på "input → ønsket output".
Mindre, hurtigere svar — en finpudset model kan nogle gange klare opgaven med færre tokens.
Hvornår du ikke skal bruge det
Skal AI'en bare kende dine fakta — dine priser, produkter, dokumenter — er fine-tuning sjældent svaret. Der er RAG både billigere og mere fleksibelt, fordi du kan opdatere data uden at træne om. Tommelfingerregel: RAG til viden, fine-tuning til opførsel.
Det praktiske valg
Fine-tuning kræver gode eksempler og lidt arbejde at vedligeholde. Det betaler sig, når opgaven er fast og mængden høj — ikke som det første, man griber til.
Ikke en ny model. Men en kendt model, lært op til lige præcis dit behov.
Flere opslag i leksikonet
Se hele leksikonet →Relaterede ydelser
Skal det her omsættes til noget, der virker hos jer? Så er det typisk her, vi kommer ind.
Fra begreb til løsning
Skal et af begreberne her omsættes til noget der rent faktisk virker i din virksomhed, så tag en uforpligtende snak med os.