Es una técnica de machine learning que consiste en tomar un modelo pre-entrenado en una tarea y un gran conjunto de datos (como un modelo de lenguaje general) y reutilizarlo como punto de partida para una tarea diferente pero relacionada. Reduce drásticamente el tiempo y los datos necesarios para el entrenamiento, disminuyendo las alucinaciones y aumentando la calidad con decisiones trazables desde el inicio. Funciona mejor cuando el conocimiento general del modelo pre-entrenado es relevante para la nueva tarea específica.