Дообучение (fine-tuning)
Также: fine-tuning, тонкая настройка модели
Дополнительное обучение готовой нейросети на своих данных, чтобы она лучше решала узкую задачу. Дешевле, чем обучать модель с нуля.
Fine-tuning — донастройка уже обученной модели на специализированных данных. Базовая нейросеть знает язык в целом; дообучение адаптирует её под конкретную область или стиль — например, отвечать в тоне вашего бренда.
Fine-tuning против промптинга и RAG
Часто задачу решают проще: хорошим промптом или подгрузкой контекста через RAG — без переобучения. Fine-tuning нужен, когда важны устойчивый стиль или узкий домен, и стоит дороже (нужны данные и вычисления).
Практический смысл
Для большинства маркетинговых задач fine-tuning избыточен: современные LLM достаточно умны, чтобы работать по инструкции и данным из контекста. Direct Manager, например, не дообучает модель, а даёт ей доступ к вашим данным через MCP — этого хватает.