Einführung in maschinelles Lernen · Frage 49 von 60
Ein Klassifikator für Apfelsorten soll per Fine-Tuning angepasst werden. Welche Zielaufgaben dürften gut, welche weniger gut gelingen?
2 Antworten sind richtig. Schwer
Lösung anzeigen
Lösung
- A Gut: Erkennen von Birnensorten auf Fotos
- B Weniger gut: Erkennen von Vogelstimmen
Erklärung
Fine-Tuning gelingt umso besser, je näher die neue Aufgabe an der alten liegt. Vom Apfel- zum Birnenfoto ist es ein kleiner Schritt, das Modell kann viel von dem nutzen, was es schon kann. Vogelstimmen sind Tonaufnahmen, da hilft das Gelernte kaum. Aus demselben Grund lässt sich ein LLM gut auf eine eng verwandte Fachaufgabe feinabstimmen, wenn gute Trainingsdaten vorliegen.