Topic / Trend Rising

Piccoli modelli e metodi di fine-tuning chirurgico

Esperimenti indipendenti mostrano che modelli compatti da 4B e 350M con dati di qualità, modifica mirata dei pesi e LoRA runtime possono eguagliare modelli molto più grandi su compiti pratici. Questi metodi rendono il fine-tuning specializzato fattibile su GPU consumer con VRAM limitata.

Detected: 2026-11-16 · Updated: 2026-11-16

Articoli Correlati

2026-11-16 • ArXiv cs.AI

Quando i rilevatori di allucinazioni non reggono sui piccoli LLM a 4 bit

Un audit su due LLM open da 3B a 4 bit mostra che i rilevatori di allucinazioni non mantengono la classifica: il ranking si inverte tra i modelli e una baseline lessicale a basso costo è indistinguibile dai metodi di coerenza campionaria. L’etichetta...

#Hardware #LLM On-Premise #DevOps
2026-11-11 • LocalLLaMA

Qwen3-1.7B fine-tuned per generare GLB: pipeline 3D locale

Un checkpoint early di Qwen3-1.7B, quantizzato Q8 GGUF a 1,83 GB, genera asset 3D da prompt e li esporta in GLB per Godot. Pensato per CPU o VRAM limitata, mostra come un LLM specializzato possa portare la generazione di contenuti 3D dentro una pipel...

#Hardware #LLM On-Premise #Fine-Tuning
2026-11-10 • LocalLLaMA

Deletion Tuning: azzerare lo 0,05% dei pesi eguaglia il full fine-tuning

Un nuovo studio mostra che azzerare meno dello 0,05% dei pesi di un LLM pre-addestrato, senza altre modifiche, eguaglia il full fine-tuning in tre regimi post-training: reinforcement learning con reward verificabili, fine-tuning supervisionato e dist...

#LLM On-Premise #Fine-Tuning #DevOps
2026-11-10 • LocalLLaMA

Modificare i pesi di un LLM senza training: un modello decisionale in 3 ms

Un progetto open source mostra come trasferire una nuova competenza nei pesi di Qwen 3.5 0.8B attraverso un modello decisionale basato su energia. L'autore paragona il risultato a LoRA e indica un intervento di 3 millisecondi, senza oblio catastrofic...

#Hardware #LLM On-Premise #Fine-Tuning
← Torna ai Topic