Дообучение (LoRA / QLoRA) против RAG и промптинга: когда реально нужно учить модель
Развенчиваем миф о том, что Fine-Tuning заменяет базу знаний, и разбираем случаи, где LoRA-адаптер даёт кратную экономию токенов.
Главное правило: RAG — для фактов, LoRA — для формы и поведения
Дообучение весов плохо подходит для запоминания часто меняющихся прайс-листов или регламентов — модель всё равно будет галлюцинировать. Зато QLoRA-адаптер идеален, когда нужно научить компактную модель 7B–8B строго соблюдать специфический корпоративный формат классификации или внутренний DSL без длинного промпта в каждом запросе.
Отметка поможет найти непрочитанное.