Waarom is dit belangrijk?
Algemene modellen sluiten vaak slecht aan op specialistische taal en vaste werkwijzen, en finetuning maakt een betere aansluiting op dat werk mogelijk. In de zorg wordt finetuning ingezet voor praktische taken rond consultvoorbereiding, diagnose, behandeling, verslaglegging en medisch onderwijs. Werknemers en studenten in opleiding krijgen daardoor gerichtere ondersteuning, maar de antwoorden kunnen ook in de medische praktijk nog onnauwkeurig blijven.
Zo werkt het in de praktijk
Finetuning wordt toegepast bij softwarebedrijven en bij publieke organisaties. OpenAI, Microsoft Azure en Google Cloud laten gebruikers sommige taalmodellen verder trainen op een eigen taak. TNO, SURF en het Nederlands Forensisch Instituut verfijnen GPT-NL met instructies voor samenvatten en vereenvoudigen.
Onderzoekers aan de Stanford University testen finetuning van de interne weergave in een taalmodel. Zij wijzigen een klein deel daarvan, terwijl het basismodel ongewijzigd blijft. Het gedrag verschuift zo naar een nieuwe taak.
TNO plaatst finetuning na de eerste training in de levenscyclus van een taalmodel. Bij begeleid finetunen leert het model van een vraag met een gewenst antwoord. Bij leren van menselijke feedback vergelijken mensen antwoorden en past het model zich aan.




