Em vez de treinar um LLM do zero (algo extremamente caro), o fine-tuning ajusta um modelo já treinado usando um conjunto menor de dados focado em um domínio específico — por exemplo, um modelo ajustado com terminologia médica para responder melhor perguntas de anestesiologia.
Alternativa mais barata e comum no dia a dia: usar RAG ou prompt engineering em vez de fine-tuning.