ファインチューニングとは、基本モデルを基に、より小規模で対象を絞ったデータセットで継続的に学習させることで、特定の領域におけるパフォーマンスを向上させるプロセスです。何千もの臨床記録でファインチューニングされた汎用言語モデルは、追加学習を行っていない同じ基本モデルとは医療文書の処理方法が異なります。法的契約書でファインチューニングされたモデルは、そうしたデータに触れていないモデルよりも、条項構造や責任に関する文言をより確実に解析できます。ファインチューニングにより、開発者はゼロから学習させるコストをかけずに特化したツールを構築できます。同じ基盤となるアーキテクチャで、クリエイティブライティング支援ツールと規制遵守ツールの両方を実現できるのは、まさにこのファインチューニングのおかげです。結果として得られるモデルは、汎用的な機能を維持しつつ、ファインチューニング領域における特定の能力と、そのデータセットに内在するバイアスや制約を克服します。