Welke bewering beschrijft het beste het voordeel van het finetunen van een foundation model (FM)?

Finetunen verbetert de prestaties van een foundation model (FM) op een specifieke doeltaak door het model verder te trainen met een kleinere dataset van gelabelde gegevens die relevant zijn voor die taak. Het model heeft al brede kennis opgedaan tijdens de voor-training, en finetunen specialiseert deze kennis. De andere opties zijn onjuist: Finetunen vermindert de grootte of complexiteit van het FM niet; het past de gewichten aan. Finetunen traint het model niet vanaf nul opnieuw; het bouwt voort op de bestaande voor-training. Finetunen werkt de kennis niet bij door het model voor te trainen op nieuwere gegevens; dat zou een nieuwe voor-training zijn, geen finetuning.