
200
GPT API를 활용한 인공지능 앱 개발(2판)
파인 튜닝과 퓨샷 러닝 모두
GPT
모델의 성능 개선에 도움이 됩니다. 파인 튜닝으로 특정 도
메인에 맞는 모델을 생성해 주어진 작업에 더 정확하고 전문 용어나 패턴, 어조를 가진 결과를
얻을 수 있습니다. 추가할 예시 데이터가 많을수록 더 나은 성능을 냅니다.
퓨샷 러닝은 모델 자체를 다시 학습시키지 않아 더 유연하고 데이터 및 비용 효율적입니다. 이
기술은 예시 데이터가 적거나 다양한 작업을 해야 할 때 유용합니다. 퓨샷 러닝은 다양한 작업
을 빠르게 프로토타이핑하고 결과를 확인할 수 있습니다. 파인 튜닝과 퓨샷 러닝 중 하나를 선
택할 때 비용이 중요한 판단 기준입니다. 파인 튜닝은 모델이 새로운 데이터를 학습하는 과정
에서 추가 비용이 발생합니다.
파인 튜닝의 효과를 보려면 품질이 좋은 데이터셋이 필요합니다. 적절한 데이터가 부족해 파인
튜닝이 어려운 경우가 많습니다. 그렇다면 파인 튜닝에는 얼마만큼의 데이터가 필요할까요?
비교적 간단한 작업이나 사소한 조정만 할 때는 원하는 완성 결과를 포함한 수백 개의 입력 프
롬프트 예시로 양호한 결과를 얻을 수도 있습니다. 파인 튜닝은 기존
GPT
모델이 이미 작업
을 상당히 잘 수행하지만, 대상 도메인 적합성을 높일 때 효과적입니다. 다만 작업이 더 ...