LOGISTAR — Scheda Oggetto

Dati oggetto

URL

Apri

Titolo / Descrizione

Sito / Azienda

Estratto / Body

&lt;div class=&quot;rh-standard-header-container&quot;&gt;
&lt;h2 id=&quot;cosa-sono-i-modelli-linguistici-di-piccole-dimensioni&quot; class=&quot;rh-standard-header-headline-medium pfe-jump-links-panel__section&quot;&gt;Cosa sono i modelli linguistici di piccole dimensioni (SLM)?&lt;/h2&gt;
&lt;/div&gt;
&lt;div class=&quot;rh-generic--component&quot;&gt;
&lt;p&gt;Un modello linguistico di piccole dimensioni (SLM) &amp;egrave; una versione ridotta di un&lt;a href=&quot;https://www.redhat.com/it/topics/ai/what-are-large-language-models&quot; data-entity-type=&quot;node&quot; data-entity-uuid=&quot;1d1a6541-b13c-4fdc-af00-6e5aa1f715c3&quot; data-entity-substitution=&quot;canonical&quot;&gt;modello linguistico di grandi dimensioni (LLM)&lt;/a&gt; che dispone di conoscenze pi&amp;ugrave; specializzate, &amp;egrave; pi&amp;ugrave; veloce da personalizzare e pi&amp;ugrave; efficiente da eseguire.&lt;/p&gt;
&lt;p dir=&quot;ltr&quot;&gt;Gli SLM sono addestrati per avere conoscenze specifiche del dominio, a differenza degli LLM che hanno un&#039;ampia conoscenza generale. Considerate le loro dimensioni ridotte, gli SLM richiedono meno risorse di elaborazione per l&#039;addestramento e il deployment, riducendo i costi dell&#039;infrastruttura e accelerando il fine tuning. La natura leggera degli SLM li rende ideali per i dispositivi edge e le applicazioni mobili.&lt;/p&gt;
&lt;h2&gt;SLM e LLM a confronto&lt;/h2&gt;
&lt;p dir=&quot;ltr&quot;&gt;Sia gli SLM che gli LLM sono tipi di sistemi di &lt;a href=&quot;https://www.redhat.com/it/topics/ai&quot; data-entity-type=&quot;node&quot; data-entity-uuid=&quot;06af252a-9177-420c-abf4-2403e2d28269&quot; data-entity-substitution=&quot;canonical&quot;&gt;intelligenza artificiale (IA)&lt;/a&gt; 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.&lt;/p&gt;
&lt;p&gt;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 &lt;a href=&quot;https://openai.com/index/dall-e/&quot;&gt;DALL&amp;middot;E)&lt;/a&gt; o video (come &lt;a href=&quot;https://openai.com/index/sora/&quot;&gt;Sora&lt;/a&gt;). Alcuni esempi di set di dati basati sul linguaggio includono testi di pagine web, codice per sviluppatori, email e manuali.&lt;/p&gt;
&lt;p&gt;Una delle applicazioni pi&amp;ugrave; note degli SLM e LLM &amp;egrave; l&#039;&lt;a href=&quot;https://www.redhat.com/it/topics/ai/what-is-generative-ai&quot; data-entity-type=&quot;node&quot; data-entity-uuid=&quot;77915b20-ec9c-4974-baa7-90f44c537b37&quot; data-entity-substitution=&quot;canonical&quot;&gt;IA generativa (gen AI)&lt;/a&gt;, che pu&amp;ograve; &lt;em&gt;generare&lt;/em&gt;, 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 &lt;a href=&quot;https://www.redhat.com/it/topics/ai/what-are-foundation-models&quot; data-entity-type=&quot;node&quot; data-entity-uuid=&quot;065b052a-5599-4262-9b6e-ae6b48e3729d&quot; data-entity-substitution=&quot;canonical&quot;&gt;modello fondativo&lt;/a&gt; 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&#039;IA gen sia ampiamente diffusa, esistono anche applicazioni non generative degli LLM e SLM, come l&#039;&lt;a href=&quot;https://www.redhat.com/it/topics/ai/predictive-ai-vs-generative-ai&quot; data-entity-type=&quot;node&quot; data-entity-uuid=&quot;b5b51542-e7c5-4105-b807-31cfd658d7bb&quot; data-entity-substitution=&quot;canonical&quot;&gt;IA predittiva&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;
&lt;/div&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;

Note

Voto oggetto (1-10)

Precisione (1-10)

Immagine

Tag (10)

✎ Modifica tag 🤖 Suggerisci AI

          slm:9, transformer:9, llm:5, pytorch:5, fine-tuning:5, embedding:5, agentic:5, tokenization:5        

slm 9 transformer 9 transformer 9 agentic 5 embedding 5 fine-tuning 5 llm 5 pytorch 5 tokenization 5 wpg 5

ID: 68088 • Tipo: WPG • Reg: 2026-07-15 • Mod: 29/07/2026 20:16