Qual afirmação melhor descreve o benefício do ajuste fino (fine-tuning) de um modelo de base (FM)?

O ajuste fino (fine-tuning) de um modelo de base (Foundation Model - FM) é o processo de pegar um modelo pré-treinado e continuar seu treinamento em um conjunto de dados menor e específico para uma tarefa. Isso permite que o FM adapte seus conhecimentos gerais a nuances e padrões específicos da nova tarefa, resultando em melhor desempenho. A opção correta descreve isso precisamente: o ajuste fino aprimora o desempenho em uma tarefa específica usando dados rotulados adicionais. A primeira opção está incorreta porque o ajuste fino geralmente não reduz o tamanho ou a complexidade do FM, e a inferência não se torna mais lenta por natureza; na verdade, o objetivo é melhorar a precisão. A segunda opção está incorreta porque o ajuste fino não retreina o modelo do zero; ele se baseia no conhecimento pré-existente do FM. A terceira opção está incorreta porque o ajuste fino não é primariamente para atualizar o conhecimento do FM com dados mais recentes; é para especializá-lo em uma tarefa específica.