這裏有個例子是fine-tune Meta的Llama 3.2 Vision模型用在radiology：

https://medium.com/%40naman1011/fine-tuning-llama-3-2-vision-making-ai-better-at-reading-medical-images-bdf340fa8ee9

所有跟帖： 

• Meta的Llama是在單一領域AI應用裏用得最廣的模型，各種從Llama演化出來適用於不同領域的模型據說超過六萬種。 -大觀園的賈探春- ♀ (0 bytes) () 02/05/2025 postreply 09:34:29

• 通常的做法是你下載一個你認為最適合你應用的模型，然後根據你的應用fine tune那模型來適合你的應用。 -大觀園的賈探春- ♀ (0 bytes) () 02/05/2025 postreply 09:35:31

• 現在整個以Llama為中心的生態鏈已經成型，AI在各種單一領域的應用一日千裏。 -大觀園的賈探春- ♀ (0 bytes) () 02/05/2025 postreply 09:36:22

• 這是單一領域AI應用的市場，跟OpenAI的GPT的通用AI是不同的兩個市場。 -大觀園的賈探春- ♀ (0 bytes) () 02/05/2025 postreply 09:37:07

• 在單一領域的市場，Llama的dense架構是比DS的MoE架構有優勢的。 -大觀園的賈探春- ♀ (0 bytes) () 02/05/2025 postreply 09:37:52

• 不錯，有比fine-tune 更省事的辦法嗎？ -種西瓜- ♂ (0 bytes) () 02/05/2025 postreply 17:21:04