Fine-tuning
Att ta en redan tränad AI-modell och vidareträna den på dina egna data.
Istället för att träna en ny LLM från noll (kräver miljarder kronor och flera månader) börjar du med en existerande modell och knådar den med dina exempel — kanske 1 000 företagsmail för att lära den din ton, eller 500 supportärenden för att lära den hur ditt företag svarar.
För många användningsfall är RAG billigare och flexiblare än fine-tuning. Fine-tuning är bra när du vill ändra modellens stil eller specialisera den på ett snävt område.