PaLoRA: adattamento a rango basso a passo modulato per l'apprendimento continuo
RicercaArticoli correlati
Fine-tuning: adattare un modello ai tuoi dati con LoRA e QLoRA
Quando il prompt e il RAG non bastano: adatti i pesi del modello ai tuoi dati. LoRA, QLoRA, preparazione del dataset e strumenti locali (LLaMA-Factory, Unsloth, MLX) su una sola GPU consumer.
L'italiano nei modelli locali: cosa aspettarsi
Quanti modelli locali reggono davvero l'italiano? I numeri dei vendor, dove sbagliano, e il metodo in mezz'ora per misurarli tu stesso.
Yzma: embedding fino a 2,6x più veloci di Ollama, il confronto
Yzma chiama llama.cpp dentro al processo: niente server, niente round trip. Su embedding è 2,6x più rapido di Ollama — con i numeri, il calcolo e il setup.
Ricevi il prossimo punto sull'IA locale
Ogni settimana, la selezione del meglio di iaLocale: articoli, notizie e risorse sull'IA locale, e altro ancora.
Dopo l'iscrizione ricevi una email di conferma (double opt-in). Senza conferma non inviamo nulla. Nessuno spam, ti promettiamo.

