Fine-tuning

Adaptação de um modelo pré-treinado por treinamento adicional em exemplos de uma tarefa, domínio ou comportamento desejado. Pode melhorar formato, estilo, classificação e decisões recorrentes quando esses padrões aparecem de forma consistente nos dados e na avaliação. Não injeta uma base de conhecimento atualizável; fatos que mudam com frequência continuam sendo um problema de contexto, recuperação ou ferramentas.

Fine-tuning herda os limites e vieses do dataset. Exemplos duplicados, rótulos inconsistentes, dados sensíveis ou uma distribuição que não representa o uso real são incorporados ao comportamento do modelo. A decisão deve comparar o ganho com alternativas menos permanentes, como prompt estruturado, RAG ou validação determinística, e medir regressões antes de substituir o baseline.