Tutorial sui LLM

Una guida pratica per implementare LoRA con Tinker AI e addestrare Qwen3-8B su dati finanziari Chain-of-Thought (CoT), ottimizzando la generalizzazione.

Scopri come usare TinyTroupe di Microsoft per simulare interazioni tra personae AI con caratteristiche distinte per diversi scopi.

Aggiorna a Transformers v5. Una guida pratica al backend unificato in Rust, alle modifiche dell’API e ai pattern di migrazione v4 vs v5 affiancati per encoding e chat.

Impara a eseguire il modello TRIBE V2 di Meta su Google Colab, a prevedere l’attività corticale da stimoli naturalistici e a visualizzare i risultati come mappe di calore 3D interattive.

Fine-tuning del modello Llama 3.1 per risolvere problemi di algebra specializzati con alta accuratezza e risultati dettagliati usando Unsloth.

Impara a fare fine-tuning di Qwen3.5-9B sul dataset Latex OCR usando QLoRA in Unsloth Studio, poi testa il modello in chat ed esportalo in formato GGUF per l’inferenza locale.

Scopri il nuovo modello vision-language di punta e fallo girare su un laptop con 8 GB di VRAM.

Scopri come funzionano i modelli vision-language-action (VLA), in cosa differiscono dai VLM e come scegliere tra OpenVLA, pi0 e SmolVLA nel 2026.

Scopri come configurare ed eseguire vLLM (Virtual Large Language Model) in locale con Docker e nel cloud con Google Cloud.

Scopri come usare Wan 2.1, il modello open-source di generazione video di Alibaba, per creare video da testo e immagini.

Scopri come progettare e mantenere un file CLAUDE.md snello, così Claude Code seguirà in modo affidabile le regole, le convenzioni e i flussi di lavoro del tuo progetto in ogni sessione.

Scopri come creare una demo di ragionamento interattiva usando il modello XBai o4 di MetaStone, con particolare attenzione al suo ragionamento generativo riflessivo.