IT · Edizione internazionale · 20/10/2026
Inferama ogni giorno · 20/10/2026
Le novità più importanti sull’intelligenza artificiale dal bollettino precedente, selezionate per rilevanza editoriale.
Periodo delle novità: 19/10/2026 08:30 → 20/10/2026 08:30 (Europe/Madrid).
Supervisione umana: definizione, meccanismi di controllo e limiti operativi nei sistemi di IA
La supervisione umana non è la mera presenza di un operatore, ma la capacità effettiva di comprendere, monitorare, intervenire e arrestare un sistema di IA. Questa scheda distingue i livelli di autonomia, spiega i meccanismi tecnici e organizzativi richiesti dall'AI Act e delimita i limiti cognitivi e operativi in cui la supervisione diventa inefficace.
Leggi l’articolo →
Output strutturato: definizione, meccanismi di coercizione e limiti della validazione automatica
L'output strutturato vincola la generazione di un LLM a uno schema formale (JSON, XML) per abilitarne il consumo programmatico. Questa scheda distingue tra la suggerimento tramite prompt e la coercizione tecnica mediante decodifica vincolata, analizza i limiti della validazione sintattica rispetto alla correttezza semantica e offre esempi applicati nell'estrazione dati, nell'orchestrazione di agenti e nella generazione di configurazioni.
Leggi l’articolo →
Overfitting: definizione, meccanismi di rilevamento e limiti della generalizzazione
L'overfitting si verifica quando un modello di machine learning memorizza il rumore e i pattern specifici dei dati di addestramento, ottenendo un'alta precisione su di essi ma fallendo nel generalizzare a nuovi dati. Questa scheda tecnica spiega il fenomeno attraverso il trade-off bias-varianza, dettagliando i metodi di rilevamento tramite curve di perdita e validazione incrociata, e confronta l'overfitting con l'underfitting e la contaminazione dei dati. Include esempi applicati nel rilevamento...
Leggi l’articolo →
AA-LCR v1.1: metodologia, metrica e limiti della valutazione del ragionamento in contesto lungo
Auditoria tecnica del benchmark AA-LCR: come vengono costruite le 100 domande su 234 documenti, il ruolo del modello giudice Qwen3 nel punteggio e le condizioni di esecuzione che garantiscono la comparabilità tra i modelli di linguaggio.
Leggi l’articolo →
Microsoft ridefinisce la sicurezza aziendale: gli agenti IA come minacce interne in Project Perception
Microsoft presenta Project Perception, un sistema di sicurezza agentico che tratta gli agenti IA non controllati dai laboratori come vettori di rischio equivalenti a dipendenti maliziosi, integrando la valutazione continua in Microsoft 365 E7.
Leggi l’articolo →
Inception presenta Mercury 3: un LLM di diffusione che raggiunge 1.068 token al secondo
Inception Labs ha lanciato Mercury 3, un modello linguistico basato sulla diffusione che promette una velocità di inferenza di 1.068 token al secondo e un contesto di 1 milione di token. Analizziamo la sua architettura, i confronti con i modelli autoregressivi e i limiti attuali delle prove indipendenti.
Leggi l’articolo →
vLLM riduce la latenza negli agenti multi-turno con trasferimento bidirezionale della cache KV
L'architettura di inferenza disaggregata in vLLM incorpora un meccanismo di trasferimento bidirezionale della cache KV che consente di riutilizzare il contesto tra i turni, migliorando significativamente il tempo al primo token (TTFT) nei carichi di lavoro agentici.
Leggi l’articolo →
Articolo 27 dell’AI Act: guida operativa alla valutazione d’impatto sui diritti fondamentali
Analisi giuridico-operativa dell’articolo 27 del regolamento (UE) 2024/1689: quando alcuni deployer di sistemi di IA ad alto rischio devono svolgere una valutazione d’impatto sui diritti fondamentali (FRIA), quali elementi includere e come documentarla.
Leggi l’articolo →
Generare immagini di prodotto: quando basta un prompt e quando serve una pipeline di controllo
Un quadro decisionale per classificare la produzione di immagini di prodotto in tre livelli di esigenza: variazione estetica, coerenza del marchio e precisione geometrica. Analizza i limiti della generazione diretta e quando servono strumenti di controllo o post-produzione.
Leggi l’articolo →
Protocollo di validazione tecnica per i modelli di IA locali: dal download all'esecuzione
Guida operativa per verificare l'integrità, la compatibilità e la funzionalità dei modelli linguistici locali prima della loro integrazione nei flussi di lavoro di produzione.
Leggi l’articolo →