course/pr_1213/es/chapter11/6.md

Conclusión

En este capítulo, exploramos los componentes esenciales del ajuste de modelos de lenguaje:

1. Chat Templates aportan estructura a las interacciones con el modelo.
2. Ajuste supervisado (SFT) permite adaptar modelos preentrenados a tareas específicas.
3. LoRA ofrece un enfoque eficiente para el ajuste al reducir los parámetros entrenables.
4. Evaluación ayuda a medir y validar la eficacia del ajuste.

Estas técnicas, cuando se combinan, permiten crear modelos de lenguaje especializados que pueden destacar en tareas concretas sin dejar de ser eficientes desde el punto de vista computacional.