Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Tuning

Engels: Tuning · Ook wel: fine-tuning, finetuning, supervised fine-tuning, SFT

In het kort

Tuning is een methode om een bestaand basismodel nauwkeuriger te maken voor een specifieke taak. Anders dan een prompt, die het model alleen stuurt, past tuning stapsgewijs een deel of alle interne instellingen aan met gelabelde voorbeelden van invoer en uitvoer. Met een gelabelde dataset van meer dan honderd voorbeelden voert het model unieke of complexe taken zoals classificeren, vertalen en samenvatten nauwkeuriger uit.

Waarom is dit belangrijk?

Een algemeen model is getraind op brede teksten en past daardoor vaak slecht bij de taal en afspraken van één vak. In de zorg helpt tuning bij de voorbereiding van consulten, bij ondersteuning van diagnoses en bij keuzes over behandeling. Zorgverleners en patiënten krijgen zo antwoorden die beter bij de medische situatie passen, maar uitkomsten kunnen onjuist zijn en patiëntgegevens vragen om privacybescherming.

Zo werkt het in de praktijk

In de publieke sector stellen onderzoekers een model bij voor Canadese beleidsnotities en laten mensen de tekst beoordelen. In het bedrijfsleven levert OpenAI ChatGPT als getunede versie van een GPT-model. Microsoft Azure en Google Cloud bieden een dienst om een model te tunen.

In de sociale wetenschappen vragen onderzoekers of tuning een meettaak verbetert. In een handleiding met de Fudan-universiteit trainen onderzoekers BERT bij, bijvoorbeeld om persoonlijkheid in taal te herkennen. Zij zetten de uitkomst naast oudere rekenmethoden.

Tuning hoort bij MLOps, een werkwijze om modellen betrouwbaar in gebruik te nemen en te onderhouden. De Plechanov-universiteit voor economie onderzoekt tuning voor MLOps en DevOps (beheer van software), met LoRA. Bij LoRA verandert alleen een klein extra deel van het model.

Gecontroleerd op 23 oktober 2026