Notizie verificate, lanci e analisi per capire cosa cambia nell’intelligenza artificiale e come ti riguarda.
166 articoli
Un preprint di Google DeepMind descrive come quattro agenti hanno completato una partita di sopravvivenza scrivendo 2.783 programmi e morendo 605 volte. Il risultato documenta un'esecuzione specifica, non una capacità generale già dimostrata.
V4.1-Flash-1017 migliora i risultati dichiarati da DeepSeek nei task agentici e riduce il costo medio per task nella sua valutazione DeepSWE. L'azienda offre anche Search e Fetch tramite API; i benchmark del nuovo checkpoint sono, al momento, test interni.
L'azienda ha concesso a sei ricercatori dell'organizzazione no profit METR permessi equivalenti a quelli dei propri dipendenti, segnando un precedente nella verifica esterna dei rischi dell'IA.
Uno studio di interpretabilità traccia come l'attenzione e gli strati MLP intervengano nel rilevamento delle richieste dannose e nel segnale di rifiuto dei modelli linguistici.
Un nuovo preprint presenta un benchmark di 20 task progettato per misurare la capacità degli agenti di programmazione di risolvere guasti in applicazioni deployate, superando i limiti dei repository di prova tradizionali.
Un preprint presenta un metodo che collega un codificatore vocale a un LLM congelato per rispondere a domande chiuse tramite distribuzioni su opzioni, riducendo la latenza negli agenti vocali in tempo reale.
A Muse Spark Open vengono attribuiti 816 miliardi di parametri, 42 miliardi attivi e una finestra di contesto da un milione di token. Tuttavia, la documentazione primaria di Meta fornita non conferma questa variante né un’ottimizzazione ufficiale per Apple Silicon; non consente neppure di verificare requisiti o prestazioni in locale.
Nemotron 3.5 Super VL è progettato per interpretare documenti, grafici, immagini e video e supportare attività prolungate con strumenti. Le informazioni disponibili confermano il lancio e la scala del modello, ma non bastano per stabilire le sue prestazioni indipendenti né quanta hardware NVIDIA richieda ogni implementazione.
Un lavoro sperimentale descrive un metodo per stabilizzare i Transformer in loop e misurarne le prestazioni. Non dimostra che OpenAI lo utilizzi nel suo prossimo modello né consente di concludere che questa architettura renda più difficile la supervisione della sicurezza.
Il nuovo modello combina ragionamento, uso di strumenti e comprensione di testi, immagini, documenti e video. NVIDIA dichiara 12 miliardi di parametri attivi per token e miglioramenti di efficienza, ma i risultati pubblicati non bastano a stabilire un confronto indipendente o un costo d’inferenza universale.
Un astrofisico della Johns Hopkins ha utilizzato Claude Science per elaborare i dati di missioni spaziali e riempire le lacune nella mappa ultravioletta del cielo, combinando osservazioni con stime statistiche validate tramite test di oscuramento dei dati.
Meta ha lanciato Muse Wonder e Muse Wonder Full, i suoi primi modelli di frontiera, con accesso tramite API e abbonamento. Analizziamo le capacità annunciate, i prezzi e i limiti dei confronti di prestazioni rispetto a OpenAI e Anthropic.