Este artículo presenta el ajuste contextual, un método novedoso para el ajuste fino de modelos lingüísticos a gran escala (LLM). Extendiendo las técnicas de incitación existentes, guiamos el proceso de aprendizaje de los LLM mediante indicaciones directivas que imitan las estrategias cognitivas humanas. Este enfoque busca ayudar al modelo a comprender e interpretar mejor el conocimiento específico del dominio, mejorando su capacidad de ajuste fino rápido en nuevos conjuntos de datos, como los de salud y finanzas. Los resultados experimentales demuestran que el método propuesto mejora la velocidad y el rendimiento del ajuste fino de los LLM.
