title, type, tags, sources, last_updated
| title |
type |
tags |
sources |
last_updated |
| Fine-Tuning |
concept |
| AI |
| ML |
| fine-tuning |
| foundation-model |
| customization |
|
| public-cloud-learning-sessions-opentext-ai-use-cases-20241126-160106-meeting-rec |
|
2026-05-12 |
Aliases
- Fine-tuning
- Model Fine-tuning
- 模型的微调
Definition
Fine-Tuning（微调）是在预训练基础模型之上，使用特定领域或任务的数据进一步训练模型，使其适应特定业务场景。与 RAG 不同，微调直接修改模型权重，而非在推理时注入外部知识。
Key Facts
- 属于三大数据整合方法之一（RAG / Fine-tuning / Continued Pre-training）
- 与 RAG 的核心区别：RAG 保留原始模型权重，通过检索增强回答；Fine-tuning 修改模型权重，改变模型本身
- 适用场景：特定领域术语、风格、任务类型的深度适配
- 成本：需要额外的训练资源和时间
- AWS Amazon Bedrock 支持 Fine-tuning 基础模型
Comparison with RAG
| 维度 |
Fine-Tuning |
RAG |
| 修改模型权重 |
是 |
否 |
| 推理延迟 |
无额外延迟 |
有检索开销 |
| 外部知识库 |
不依赖 |
依赖 |
| 适用场景 |
风格/任务适配 |
知识密集型问答 |
| 成本 |
训练成本高 |
索引/检索成本 |
Related Concepts
Sources
