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.

# Tecniche di personalizzazione
<a name="customizing-models-techniques"></a>

Le tecniche di personalizzazione definiscono * il * modo in cui il modello apprende dai dati. Ogni tecnica richiede un formato di set di dati diverso e ha i propri iperparametri. Scegli in base ai dati di cui disponi e al comportamento che desideri ottenere.
+ **[SFT](customizing-models-sft.md)**(Supervisionato Fine-Tuning): allenati su coppie di risposta rapida etichettate. Ideale per insegnare una conoscenza di stile, formato o dominio specifici di un modello.
+ **[DPO](customizing-models-dpo.md)**(Ottimizzazione delle preferenze dirette): formazione sulle coppie di risposte preferite e rifiutate. Ideale per allinearsi alle preferenze umane ed evitare risultati indesiderati.
+ **[RFT](customizing-models-rft.md)**(Rinforzo Fine-Tuning) — Ottimizzazione tramite segnali di ricompensa: verifica basata su codice (RLVR) ** o giudice LLM (RLAIF**). ** ** Ideale per migliorare l'accuratezza dei fatti o la qualità soggettiva.
+ **[Multi-turn apprendimento per rinforzo](model-customize-mtrl.md)**(Multi-Turn Reinforcement Learning): forma gli agenti per attività agentistiche in più fasi con un contesto in crescita.
+ **[Personalizzazione continua](customizing-models-continuous.md)**(Personalizzazione continua): concatena più tecniche in sequenza (ad esempio, SFT → DPO → RLVR). [LoRA](customizing-models-lora.md)Richiede un tipo di formazione LoRa.

Ogni tecnica può essere combinata con il tipo di allenamento [ LoRa ](customizing-models-lora.md) o [ FFT. ](customizing-models-fft.md) Vedi [Tipi di allenamento](customizing-models-training-types.md) per i dettagli sulla scelta tra di essi.