Каково основное преимущество применения непрерывного предварительного обучения (ongoing pre-training) при тонкой настройке базовой модели (FM)?

Непрерывное предварительное обучение (ongoing pre-training) позволяет базовой модели адаптироваться к новым данным и изменяющимся распределениям данных, что критически важно для поддержания и улучшения её производительности с течением времени. Это особенно полезно в динамичных областях, где данные постоянно обновляются. Вариант "Помогает снизить сложность модели" неверен, так как непрерывное предварительное обучение не направлено на упрощение архитектуры модели. Вариант "Сокращает время, необходимое для обучения модели" также неверен; наоборот, оно добавляет дополнительный этап обучения. Вариант "Оптимизирует задержку вывода модели" не является основной целью; хотя обновлённая модель может быть более точной, это не обязательно напрямую влияет на скорость вывода.