Oggetti

Descrizione

dta reg (aaaa-mm-gg)

Body

<div class="rh-standard-header-container">
<h2 id="cosa-sono-i-modelli-linguistici-di-piccole-dimensioni" class="rh-standard-header-headline-medium pfe-jump-links-panel__section">Cosa sono i modelli linguistici di piccole dimensioni (SLM)?</h2>
</div>
<div class="rh-generic--component">
<p>Un modello linguistico di piccole dimensioni (SLM) &egrave; una versione ridotta di un<a href="https://www.redhat.com/it/topics/ai/what-are-large-language-models" data-entity-type="node" data-entity-uuid="1d1a6541-b13c-4fdc-af00-6e5aa1f715c3" data-entity-substitution="canonical">modello linguistico di grandi dimensioni (LLM)</a> che dispone di conoscenze pi&ugrave; specializzate, &egrave; pi&ugrave; veloce da personalizzare e pi&ugrave; efficiente da eseguire.</p>
<p dir="ltr">Gli SLM sono addestrati per avere conoscenze specifiche del dominio, a differenza degli LLM che hanno un'ampia conoscenza generale. Considerate le loro dimensioni ridotte, gli SLM richiedono meno risorse di elaborazione per l'addestramento e il deployment, riducendo i costi dell'infrastruttura e accelerando il fine tuning. La natura leggera degli SLM li rende ideali per i dispositivi edge e le applicazioni mobili.</p>
<h2>SLM e LLM a confronto</h2>
<p dir="ltr">Sia gli SLM che gli LLM sono tipi di sistemi di <a href="https://www.redhat.com/it/topics/ai" data-entity-type="node" data-entity-uuid="06af252a-9177-420c-abf4-2403e2d28269" data-entity-substitution="canonical">intelligenza artificiale (IA)</a> addestrati a interpretare il linguaggio umano, compresi i linguaggi di programmazione. In genere, le differenze principali tra LLM e SLM sono la dimensione dei set di dati su cui sono addestrati, i diversi processi utilizzati per addestrarli e i costi e benefici di inizio per diversi scenari di utilizzo.</p>
<p>Come suggeriscono i loro nomi, sia gli LLM che gli SLM sono addestrati su set di dati composti da linguaggio, il che li distingue dai modelli addestrati su immagini (come <a href="https://openai.com/index/dall-e/">DALL&middot;E)</a> o video (come <a href="https://openai.com/index/sora/">Sora</a>). Alcuni esempi di set di dati basati sul linguaggio includono testi di pagine web, codice per sviluppatori, email e manuali.</p>
<p>Una delle applicazioni pi&ugrave; note degli SLM e LLM &egrave; l'<a href="https://www.redhat.com/it/topics/ai/what-is-generative-ai" data-entity-type="node" data-entity-uuid="77915b20-ec9c-4974-baa7-90f44c537b37" data-entity-substitution="canonical">IA generativa (gen AI)</a>, che pu&ograve; <em>generare</em>, come suggerisce il nome, risposte di contenuto spontanee a molte query diverse e imprevedibili. Gli LLM, in particolare, sono divenuti ben noti tra il grande pubblico grazie al <a href="https://www.redhat.com/it/topics/ai/what-are-foundation-models" data-entity-type="node" data-entity-uuid="065b052a-5599-4262-9b6e-ae6b48e3729d" data-entity-substitution="canonical">modello fondativo</a> GPT-4 e a ChatGPT, un chatbot di conversione addestrato su massicci set di dati che utilizza bilioni di parametri per rispondere a una vasta gamma di query umane. Sebbene l'IA gen sia ampiamente diffusa, esistono anche applicazioni non generative degli LLM e SLM, come l'<a href="https://www.redhat.com/it/topics/ai/predictive-ai-vs-generative-ai" data-entity-type="node" data-entity-uuid="b5b51542-e7c5-4105-b807-31cfd658d7bb" data-entity-substitution="canonical">IA predittiva</a>.</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
</div>
<p>&nbsp;</p>

tipo ogg.

cat

subcat

proprietario

azienda

ute

selez1

op1

codart

codice

codclifor

motivo

url

tag

imgsrc

sunto_breve

sunto_medio

note

keyscrape

Lista tag dell'oggetto (oggettag)
cod_tag	value
agentic	5
embedding	5
fine-tuning	5
llm	5
pytorch	5
slm	9
tokenization	5
transformer	9
wpg	5

Lista delle righe dell'oggetto (oggettir)
tip_pro	cod_pro	descrizione	val_pro	pes_pro

---.