# Fine-tuning

> Entrenamiento extra que adapta un modelo de IA existente a una tarea o un estilo.

- Nivel: Intermedio
- Temas: IA
- URL: https://tidbit.legios.com.ar/es/fine-tuning/
- En inglés: [Fine-tuning](https://tidbit.legios.com.ar/fine-tuning/)

El **fine-tuning** (ajuste fino) consiste en tomar un modelo que ya fue entrenado con una cantidad enorme de datos generales y entrenarlo un poco más con un conjunto chico y específico de ejemplos. Entrenar un modelo grande desde cero cuesta cantidades enormes de datos y de cómputo; el fine-tuning reaprovecha todo ese conocimiento general y solo empuja los números internos del modelo (sus parámetros) hacia lo que necesitás.

Usos típicos: que un modelo responda siempre en cierto formato, que escriba con el tono de una empresa, que clasifique tickets de soporte en tus propias categorías o que maneje la jerga de un área como el derecho o la radiología. Preparás cientos o miles de pares de ejemplo ('ante esta entrada, la salida ideal es esta'), corrés el entrenamiento y obtenés una versión nueva del modelo. Técnicas como **LoRA** lo abaratan entrenando solo un agregado chico en lugar del modelo entero.

El fine-tuning es también la forma en que se hacen los asistentes de chat: un modelo base que solo sabe continuar texto se ajusta con conversaciones para que aprenda a seguir instrucciones y a responder de forma útil. Para los problemas cotidianos de una empresa, igual, no suele ser la primera herramienta. Si lo que querés es darle al modelo datos actualizados o tus propios documentos, la recuperación (RAG) suele ser más simple y más fácil de mantener al día; si lo que querés es un comportamiento, un buen prompt a veces te lleva casi todo el camino. El fine-tuning brilla cuando tenés muchos buenos ejemplos de una tarea que repetís mucho.

## Una analogía

Es como una médica que terminó la carrera general y después hace una residencia corta en dermatología. No vuelve a aprender biología; afina lo que ya sabe para una especialidad.

## Para quedarse

- Arranca de un modelo preentrenado en vez de entrenar desde cero.
- Necesita un buen conjunto de ejemplos de la tarea exacta que buscás.
- Sirve sobre todo para estilo, formato y tareas especializadas repetidas.
- Para datos frescos o documentos privados, RAG suele ser mejor opción.

## Para seguir leyendo

- [Ajuste fino (aprendizaje profundo) en Wikipedia](https://es.wikipedia.org/wiki/Ajuste_fino_(aprendizaje_profundo))
- [¿Qué es el fine-tuning? (IBM)](https://www.ibm.com/es-es/think/topics/fine-tuning)
- [Ajuste fino de un modelo, curso de Hugging Face](https://huggingface.co/learn/llm-course/es/chapter3/1)

## Términos relacionados

- [Entrenamiento e inferencia](https://tidbit.legios.com.ar/es/training-and-inference/): Entrenar construye el modelo una vez; inferir es usarlo, millones de veces por día.
- [RAG](https://tidbit.legios.com.ar/es/rag/): Dejar que el modelo busque en tus documentos antes de responder.
- [Prompt](https://tidbit.legios.com.ar/es/prompt/): Todo lo que le mandás a un modelo de IA: la pregunta, las instrucciones, el contexto.