Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Personalizzazione del modello La personalizzazione dei modelli Amazon SageMaker AI ti consente di adattare i modelli di base al tuo caso d'uso specifico addestrandoli sui tuoi dati. Scegli una tecnica di * personalizzazione * (modalità di apprendimento del modello), un tipo di * addestramento * (quantità del modello da aggiornare) e un'opzione di * infrastruttura * (dove eseguire il lavoro). ## Panoramica di **Le tecniche di personalizzazione ** definiscono * il * modo in cui il modello apprende dai dati: + **SFT ** (Supervised Fine-Tuning): formazione su coppie di risposta rapida etichettate. Per informazioni, consulta [SFT](customizing-models-sft.md). + **DPO ** (Direct Preference Optimization): formazione sulle coppie di risposte preferite e rifiutate. Per informazioni, consulta [DPO](customizing-models-dpo.md). + **RFT ** (Reinforcement Fine-Tuning): ottimizzazione tramite segnali di ricompensa (RLVR o RLAIF). Per informazioni, consulta [RFT](customizing-models-rft.md). + **MTRL ** (Multi-Turn Reinforcement Learning): forma gli agenti per attività agentistiche in più fasi. Per informazioni, consulta [Multi-turn apprendimento per rinforzo](model-customize-mtrl.md). + **Personalizzazione continua: concatena le tecniche in sequenza. ** Per informazioni, consulta [Personalizzazione continua](customizing-models-continuous.md). **I tipi di addestramento ** * determinano la quantità * di modello da aggiornare: + **LoRA**(Low-Rank Adattamento): allena un piccolo set di adattatori. Costo inferiore, formazione più rapida. Per informazioni, consulta [LoRA](customizing-models-lora.md). + **FFT ** (completo Fine-Tuning): aggiorna tutti i pesi del modello. Elaborazione più elevata, personalizzazione più profonda. Per informazioni, consulta [FFT](customizing-models-fft.md). **Le opzioni di infrastruttura ** controllano * dove viene svolto * il tuo lavoro di formazione: + **Senza server**: completamente gestito, nessuna selezione di istanze. Ideale per lavori di sperimentazione e produzione rapidi senza costi operativi. Per informazioni, consulta [Personalizzazione del modello serverless](customize-model.md). + **SageMaker Lavori di formazione con intelligenza artificiale**: lavori temporanei in cui si seleziona il tipo di istanza. Utilizza ** Recipes ** per la formazione preconfigurata. Per informazioni, consulta [SageMaker Offerte di lavoro di formazione sull'IA](customizing-models-training-jobs.md). + **HyperPod**— Cluster persistenti con ripristino dei guasti. Utilizza ** Recipes ** per la formazione distribuita su EKS oSlurm. Per informazioni, consulta [HyperPod](customizing-models-hyperpod.md). ## Scelta del tuo approccio Prima di perfezionare, valuta se un approccio più semplice soddisfa le tue esigenze: Progettazione dei prompt Il modello fornisce risposte accettabili ma richiede un tono, un formato o uno stile migliori. Non è richiesta alcuna formazione: iterazione rapida. Vedi [ Prompt engineering for Foundation Models](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-prompt-engineering.html). Retrieval Augmented Generation (RAG) Il tuo modello non conosce il tuo dominio specifico. Arricchiscilo con fonti di conoscenza esterne senza riqualificazione. Vedi [ Retrieval Augmented Generation. ](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-rag.html) Fine-tuning Il tuo modello deve imparare costantemente nuovi comportamenti, stili o competenze di dominio. Addestrati sui tuoi dati per modificare i pesi del modello. Continua a leggere questa guida. ## Modelli supportati per la messa a punto I seguenti modelli sono disponibili per la personalizzazione su serverless, SageMaker AI Training Jobs e infrastruttura. HyperPod | Provider | Modello | ID modello | Serverless | Lavori di formazione | HyperPod | | --- | --- | --- | --- | --- | --- | | Alibaba | Qwen3.6 27B | huggingface-vlm-qwen3-6-27b | ✓ | ✓ | ✓ | | Alibaba | Qwen3.5 27B | huggingface-vlm-qwen3-5-27b | ✓ | ✓ | ✓ | | Alibaba | Qwen3.5 9B | huggingface-vlm-qwen3-5-9b | ✓ | ✓ | ✓ | | Alibaba | Qwen3.5 4B | huggingface-vlm-qwen3-5-4b | ✓ | ✓ | ✓ | | Alibaba | Qwen3 32B | huggingface-reasoning-qwen3-32b | ✓ | ✓ | ✓ | | Alibaba | Qwen 3 14B | huggingface-reasoning-qwen3-14b | ✓ | ✓ | ✓ | | Alibaba | Qwen 3 8B | huggingface-reasoning-qwen3-8b | ✓ | ✓ | ✓ | | Alibaba | Qwen3 4B | huggingface-reasoning-qwen3-4b | ✓ | ✓ | ✓ | | Alibaba | Qwen 3 1,7 B | huggingface-reasoning-qwen3-1-7b | ✓ | ✓ | ✓ | | Alibaba | Qwen3 0,6 B | huggingface-reasoning-qwen3-06b | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Istruisci 72B | huggingface-llm-qwen2-5-72b-instruct | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Istruisci 32B | huggingface-llm-qwen2-5-32b-instruct | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Istruisci 14B | huggingface-llm-qwen2-5-14b-instruct | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Istruisci 7B | huggingface-llm-qwen2-5-7b-instruct | ✓ | ✓ | ✓ | | DeepSeek | Distillatore E1 Qwen 32B | deepseek-llm-r1-distill-qwen-32b | ✓ | ✓ | ✓ | | DeepSeek | Distillatore R1 Qwen 14B | deepseek-llm-r1-distill-qwen-14b | ✓ | ✓ | ✓ | | DeepSeek | Distillatore R1 Qwen 7B | deepseek-llm-r1-distill-qwen-7b | ✓ | ✓ | ✓ | | DeepSeek | Distillatore R1 Qwen 1.5B | deepseek-llm-r1-distill-qwen-1-5b | ✓ | ✓ | ✓ | | DeepSeek | Distillatore R1 Llama 70B | deepseek-llm-r1-distill-llama-70b | ✓ | ✓ | ✓ | | DeepSeek | Distillatore R1 Lama 8B | deepseek-llm-r1-distill-llama-8b | ✓ | ✓ | ✓ | | Google | Gemma 4 31B | huggingface-vlm-gemma-4-31b-it | ✓ | ✓ | ✓ | | Google | Gemma 4 26B A4B | huggingface-vlm-gemma-4-26b-a4b-it | ✓ | ✓ | ✓ | | Google | Gemma 4 E4B | huggingface-vlm-gemma-4-e4b-it | ✓ | ✓ | ✓ | | Meta | Llama 3.3 Instruct 70B | meta-textgeneration-llama-3-3-70b-instruct | ✓ | ✓ | ✓ | | Meta | Llama 3.2 Istruisci 3B | meta-textgeneration-llama-3-2-3b-instruct | ✓ | ✓ | ✓ | | Meta | Llama 3.2 Istruisci 1B | meta-textgeneration-llama-3-2-1b-instruct | ✓ | ✓ | ✓ | | Meta | Llama 3.1 Istruisci 8B | meta-textgeneration-llama-3-1-8b-instruct | ✓ | ✓ | ✓ | | NVIDIA | Nemotron 3 Super 120B (A12B) | huggingface-llm-nvidia-nemotron-3-super-120b-a12b-bf16 | ✓ | ✓ | ✓ | | NVIDIA | Nemotron 3 Nano 30B (A3B) | huggingface-reasoning-nvidia-nemotron-3-nano-30b-a3b-bf16 | ✓ | ✓ | ✓ | | OpenAI | GPT OSS 120B | openai-reasoning-gpt-oss-120b | ✓ | ✓ | ✓ | | OpenAI | GPT OSS 20B | openai-reasoning-gpt-oss-20b | ✓ | ✓ | ✓ | Per i modelli Amazon Nova, consulta la procedura dettagliata di Nova in. [Personalizzazione del modello serverless](customize-model.md)