El aprendizaje por transferencia aprovecha el conocimiento adquirido al resolver un problema y lo aplica a un problema relacionado. En lugar de entrenar desde cero, se parte de un modelo preentrenado y se adapta. Esto reduce dramaticamente el tiempo de entrenamiento, los requisitos de datos y los costos computacionales. Es el principio detras del fine-tuning y el paradigma de los modelos fundacionales.





