AI Sözlük
Fine-Tuning Nedir?
Fine-tuning, hazır bir temel modeli (pretrained model) kendi örneklerinizle yeniden ayarlayarak belirli bir üsluba, formata veya alana yaklaştırmaktır; sıfırdan model eğitmek değildir.
Tanım
Fine-tuning (ince ayar), devasa veriyle genel yetenek kazanmış bir dil modelini, sizin daha küçük ve hedefli veri setinizle güncelleme işidir. Pretraining aşamasında model “dil nedir, dünya hakkında genel örüntüler neler?” sorusuna yaklaşır. Fine-tuning ise “benim şirketimin destek cevapları nasıl yazılır?”, “bu JSON şemasına nasıl uyulur?”, “tıbbi rapor özeti nasıl çıkarılır?” gibi dar hedeflere çeker. Tüm parametreleri güncellemek (full fine-tune) pahalı olabilir; bu yüzden LoRA gibi yöntemlerle az parametreyle uyarlama yaygındır. Fine-tuning, modele yeni “gerçek zamanlı web” bilgisi aşılamaz; bilgi güncelliği için çoğunlukla RAG tercih edilir. Doğru kullanıldığında tutarlı üslup, daha iyi talimat izleme ve alan dili sağlar.
Riskler vardır: az ve tekrarlı veriyle fine-tune, ezberleme ve catastrophic forgetting (eski yeteneklerin zayıflaması) üretebilir. Bu yüzden tutulmuş test seti, güvenlik eval’i ve önceki yetenek regresyonu ölçülmelidir.
SFT (supervised fine-tuning) örnek soru-cevaplarla yapılır. Tercih optimizasyonu (RLHF/DPO) ise “hangi cevap daha iyi?” verisiyle hizalama katmanıdır; sıkça fine-tuning ailesinin devamı olarak anılır.
Sık sorulanlar
Fine-tuning mi RAG mi?
Değişen bilgi ve belgeler için RAG; sabit üslup/format/görev davranışı için fine-tuning. Çoğu üründe ikisi birlikte kullanılır.
LoRA fine-tuning midir?
Evet, parametre-etkin bir fine-tuning yöntemidir. Büyük modeli dondurup küçük adapter matrisleri eğitir.
Ne kadar veri gerekir?
Göreve göre değişir. Yüzlerce kaliteli örnek bazen yeter; düşük kaliteli binlerce örnek zararlı olabilir. Kalite nicelikten önce gelir.