Fine-Tuning
Proses melatih ulang model AI dengan data spesifik agar performa-nya optimal untuk domain atau task tertentu.
Fine-Tuning (penyetelan halus) adalah proses melatih model AI yang sudah pre-trained dengan dataset spesifik untuk meningkatkan performa di domain atau task tertentu. Berbeda dengan prompt engineering (tidak mengubah model) dan RAG (menambah konteks eksternal), fine-tuning mengubah bobot model. Kelebihan: output sangat konsisten, bisa pakai model lebih kecil (lebih murah), ideal untuk brand voice atau format spesifik. Kekurangan: perlu dataset berkualitas (minimal 100-1000 examples), model jadi statis (tidak update otomatis), dan bisa ‘lupa’ skill sebelumnya (catastrophic forgetting). Alternatif: LoRA (Low-Rank Adaptation) — teknik fine-tuning yang lebih efisien.