Definierter Begriff
Fine-Tuning
Ein vortrainiertes Foundation-Modell auf aufgabenspezifischen Daten anpassen, um die Performance auf einer engen Aufgabe zu verbessern.
Fine-Tuning setzt das Training eines Basismodells auf einem für die Zielaufgabe labelled Datensatz fort. Selten die erste Antwort in 2026 — Prompting + Retrieval handhabt 80%+ der Cases. Erwägen Sie Fine-Tuning, wenn Sie 1000+ labelled Examples haben und eine klare Qualitätslücke, die Prompting nicht schließen kann.
Verwandte Begriffe
LoRA (Low-Rank Adaptation)
Parameter-effiziente Fine-Tuning-Methode, die kleine Adapter statt des vollen Modells trainiert.
RAG (Retrieval-Augmented Generation)
Generierung verankert in abgerufenen Quelldokumenten statt nur in der parametrischen Modell-Memory.
Prompt-Versionierung
Prompts wie Code behandeln: gespeichert, diff'd, reviewed und rollback-fähig wie jedes Produktionsartefakt.
Context-Window
Maximale Menge an Tokens (Input + Output), die ein LLM in einem einzigen Call verarbeiten kann.
Wir nutzen das jede Woche
30-Minuten-Gespräch buchen
Buchen Sie ein 30-Minuten-Gespräch und wir zeigen Ihnen, wie Fine-Tuning in einem laufenden Engagement aussieht.
30-Minuten-Gespräch buchen