Fine-tuning（微調整）
Fine-tuning は自社データでモデルを訓練する。プロンプトと呼び出しを減らせるが、事前の訓練コストを天秤にかける必要がある。
定義
Fine-tuning は例データでベースモデルを自社タスクに適応させ、指示や数ショットコンテキストの必要性を減らす。
コストに関わる理由
微調整されたモデルはプロンプトを小さくし、取得や多段プロンプティングの必要性を減らせる——呼び出しあたりのトークン削減だ。だが訓練コストと保守が加わる。
実用的なヒント
プロンプト縮小の利益が訓練・保守コストを上回ると測ってからファインチューニングする。
Related reading
Glossary
Batch API
Batch API は大量の非同期リクエストを割引价で処理する。遅延結果を許容できるジョブに最適。
Glossary
コンテキストウィンドウ
コンテキストウィンドウはモデルが 1 回のリクエストで見られる最大トークン数。満たすほど 1 回の呼び出しコストは高くなる。
Glossary
Embeddings（埋め込み）
Embeddings は検索や取得のためにテキストをベクトルに変換する。トークンあたりでは生成よりずっと安いことが多い。
Glossary
Model Distillation（モデル蒸留）
蒸留は小さいモデルに大きいモデルを模倣させ、多少の品質と引き換えに大規模でのずっと低いトークンコストを得る。