★
Menu
Accueil Comment c'est construit Watchlist La pile
Matériel PucesComparer les puces Serveurs & systèmesRéseau MémoireFonderies & Packaging Refroidissement
Infrastructures Data centersAlimentation ProjetsCloud et calcul GPU
Intelligence Modèles IALogiciels Produits IABenchmarks Articles de rechercheJeux de données Concepts
Écosystème EntreprisesActions PersonnesChronologie TendancesAvenir de l'IA
Formation Actualités Interroger les données Agents IA
À propos À propos de nous Méthodologie Données & API Avertissement
Options
DONNÉES & API

Accès JSON gratuit en lecture seule aux données en cache du site.

Mode sombre

Vue guidée
Nouveau dans l'univers des puces, des data centers et du jargon des modèles ? Nous expliquons les termes clés au fil de votre navigation, en langage clair. Les mêmes données, avec l'aide intégrée.

Vue expert
Vous connaissez déjà le sujet. Juste les données : claires, rapides et concises, sans explications superflues. Il s'agit de la vue par défaut.

Langue de l'interface
‹ Retour
Accueil › Concepts › Fine-tuning & LoRA

Fine-tuning & LoRA

Concept Entraînement et inférence

Adapting a trained model cheaply — the small-compute on-ramp.

Vous consultez une fiche concept : ce que ce terme signifie en langage clair, et les fiches qu'il relie.

Fine-tuning continues training on a narrow dataset to specialize a model; LoRA does it by learning tiny low-rank adapter matrices instead of touching all weights, cutting cost by orders of magnitude. It is how enterprises adapt open models, how the Stable Diffusion style ecosystem works, and what products like Tinker sell as a service.

Comment cela s'articule avec le reste de la chaîne

Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.

Sources

LoRA paper ↗

Fiche examinée au 2026-01-15 — voir Méthodologie.