Ricerca rilevante, risultati pubblicati e limiti delle valutazioni.
75 articoli
Un preprint valuta se la discrepanza tra le risposte di un modello piccolo possa prevedere quando è opportuno derivare la query a uno più grande. I risultati su GSM8K mostrano un miglioramento, ma lo studio avverte su trappole metodologiche e costi operativi.
Un preprint propone di valutare la coordinazione tra agenti di codice come un problema di pianificazione. Il riassunto dichiara miglioramenti nell'integrazione pulita, ma l'ambito dei test e la riproducibilità richiedono l'esame dell'articolo completo e dei materiali associati.
H Company presenta due modelli di agenti in grado di alternare tra interfacce grafiche, esecuzione di codice e strumenti MCP o API. Pubblica pesi e risultati, sebbene i test non dimostrino autonomia generale né prestazioni uniformi in tutti gli ambienti.
Google DeepMind e GovTech Singapore hanno annunciato uno strumento che analizza possibili truffe conversazionali con modelli Gemma eseguiti sul dispositivo. Le informazioni disponibili non precisano la variante, i risultati dei test né l’estensione delle garanzie sulla privacy.
Mistral ha presentato Large 4 in anteprima pubblica e ha annunciato che avrebbe pubblicato i pesi entro la fine di ottobre. L’azienda dichiara un totale di un bilione di parametri, di cui 52 miliardi attivi, ma le cifre e i risultati sulle prestazioni vanno contestualizzati: la maggior parte dei confronti disponibili deriva da valutazioni presentate dalla stessa azienda.
Un modello avanzato ha completato una catena di replicazione in una rete controllata con accesso semplificato. Anthropic avverte che non esiste ancora un modello piccolo abbastanza da combinare capacità sufficiente e dimensioni gestibili per propagarsi su dispositivi di consumo in condizioni reali.
Agent Lightning collega gli agenti ai loro strumenti e alla gestione del contesto con un flusso di addestramento per reinforcement learning. Il progetto offre codice con licenza MIT e presenta risultati propri che richiedono ancora una valutazione indipendente.
Google amplia l’accesso a Gemini 4 Argon, presentato per attività prolungate di programmazione, ricerca scientifica, finanza e cybersicurezza. I risultati e l’uso pratico richiedono ancora una valutazione indipendente; le informazioni disponibili, inoltre, non consentono di confermare capacità specifiche in ambito robotico.
Quine combina un modello biologico con strumenti di ricerca per dare priorità alle ipotesi prima di provarle in laboratorio. Microsoft Research riferisce di test iniziali sul cancro pancreatico, ma manca ancora una valutazione indipendente del sistema.
Google DeepMind presenta una prova di concetto che contrassegna sequenze proteiche e strutture previste. I test descritti sostengono che alcuni progetti conservano la propria funzione, ma non dimostrano una tracciabilità universale né la resistenza a manipolazioni intenzionali.
OpenAI propone di documentare, con argomentazioni ed evidenze, perché una sessione di addestramento di frontiera possa proseguire. L’approccio combina controlli tecnici e revisioni operative, ma l’azienda lo presenta come una guida iniziale, non come una garanzia di sicurezza già dimostrata.
L’operazione interamente in azioni porterebbe in AMD la ricerca di World Labs sui modelli spaziali. Il completamento è previsto entro la fine del 2026, subordinatamente alle autorizzazioni e alle altre condizioni applicabili.