🎚️ Fine-tuning là gì?
Dạy thêm cho model có sẵn để hợp việc của bạn.
1
Hiểu nó là gì
Fine-tuning là huấn luyện tiếp một model đã có trên dữ liệu riêng, để nó quen giọng văn hoặc nghiệp vụ cụ thể.
Nói theo đời thường:
Như tuyển người đã biết nghề rồi đào tạo thêm quy trình nội bộ, thay vì dạy lại từ con số không.
Như tuyển người đã biết nghề rồi đào tạo thêm quy trình nội bộ, thay vì dạy lại từ con số không.
⚠ Chỗ ẩn dụ này hỏng
“Đào tạo thêm quy trình nội bộ” — nghe như cách nhồi kiến thức vào model. Nhưng fine-tuning dạy giọng điệu và cách làm tốt hơn nhiều so với dạy sự kiện.
Muốn model biết bảng giá công ty bạn thì RAG rẻ hơn và chính xác hơn nhiều. Fine-tuning hợp khi bạn cần nó trả lời theo một phong cách nhất quán, hoặc theo một định dạng cố định. Nhầm hai việc này là sai lầm tốn kém phổ biến nhất.
2
Code trông thế nào
Cần model biết bảng giá mới nhất? → RAG. Rẻ, cập nhật ngay, có trích nguồn. Cần model luôn trả lời theo giọng thương hiệu, đúng mẫu? → Fine-tuning. Cần vài trăm tới vài nghìn ví dụ mẫu.
Câu hỏi tự vấn: bạn cần nó biết thêm hay cần nó cư xử khác?
3
Khi nào bạn dùng nó
✓ Dùng khi
- Cần giọng điệu hoặc định dạng rất nhất quán
- Prompt đã tối ưu hết mà vẫn không đủ
- Có sẵn vài trăm ví dụ chất lượng
✗ Đừng dùng khi
- Chỉ cần model biết dữ liệu mới (dùng RAG)
- Chưa thử tối ưu prompt cho tử tế
Chưa cần biết: LoRA, chuẩn bị dữ liệu huấn luyện, đánh giá sau fine-tune, quên kiến thức cũ.
Để dành tới Mốc 3 — Tự ghép được: Bạn nối được AI vào tài liệu của mình và biết cách kiểm tra nó trả lời đúng hay đang bịa.
Dấu hiệu bạn đã cần học nó: Bạn đã ở mốc này nếu đang cân nhắc fine-tune. Hãy thử RAG trước, thường là đủ.
4
Đi đâu tiếp
- RAGLựa chọn nên cân nhắc trước fine-tuning.
- TrainingFine-tuning là bản rút gọn của nó.
- DatasetChất lượng ví dụ quyết định kết quả.