Qual técnica envolve o treinamento de modelos de IA em conjuntos de dados rotulados para adaptá-los à terminologia e aos requisitos específicos do setor?

Ajuste fino (Fine-tuning) é a técnica de pegar um modelo de IA pré-treinado em um grande conjunto de dados genérico e continuar seu treinamento em um conjunto de dados menor e específico do domínio. Isso permite que o modelo se adapte à terminologia, padrões e requisitos do setor sem a necessidade de treinar um modelo do zero, o que seria computacionalmente caro e exigiria muitos dados rotulados. Aumento de dados (Data augmentation) cria novas amostras de treinamento a partir das existentes, mas não adapta o modelo a um domínio específico. Quantização de modelo (Model quantization) reduz o tamanho e a complexidade do modelo para otimização de inferência, não para adaptação de domínio. Pré-treinamento contínuo (Continuous pre-training) envolve o treinamento contínuo de um modelo em novos dados, mas o "ajuste fino" é o termo mais preciso para a adaptação a um domínio específico usando dados rotulados.