データがあり、小さなカスタムモデルを学習または実行したいが、学習に十分な強力なハードウェアがない場合、微調整（ファインチューニング）のサービスは良い解決策になりえます。学習（推論よりも多くのリソースを必要とします）が完了したら、そのカスタムモデルをローカルで実行できます。より大規模なモデルでは、（一部の提供事業者に限り）自社のサービスを使って、カスタムモデルによる推論を実行するという選択肢もあります。
現在存在している領域についてより良い全体像をつかむために、コスト、速度、ユーザー体験に関するベンチマークと実験を行いました。この分野は動きが非常に速く、私がテストしている最中にも新しい提供事業者が登場しました。そのため、「何がベストか」は、実際にはあなたのユースケース次第です。特に関数呼び出し（function-calling）に関しては、Nebius には反復（イテレーション）をより効率的にするのに役立つ機能がいくつかありました。
詳細、手法、比較はここで： https://vintagedata.org/blog/posts/fine-tuning-as-service
[link] [comments]
