IT · Edizione internazionale · 19/10/2026
Inferama ogni giorno · 19/10/2026
Le novità più importanti sull’intelligenza artificiale dal bollettino precedente, selezionate per rilevanza editoriale.
Periodo delle novità: 18/10/2026 08:30 → 19/10/2026 08:30 (Europe/Madrid).
Rubrica di valutazione: definizione, progettazione e limiti nel punteggio dei risultati di IA
Una rubrica organizza criteri e livelli di prestazione per rendere le valutazioni interpretabili. Questa scheda spiega la sua struttura, distingue i tipi analitico e olistico e analizza i suoi limiti nella valutazione delle uscite di IA, dei lavori accademici e dei sistemi di machine learning.
Leggi l’articolo →
Eleven v4 vs. v4 Turbo: come scegliere per un agente vocale
ElevenLabs attribuisce a v4 Turbo circa 150 ms di tempo medio fino alla prima voce via WebSocket, esclusa la rete. È un dato del fornitore, non una garanzia di risposta totale. Questa guida propone di misurare l'intero percorso e decidere in base alla priorità tra velocità, controllo espressivo e coerenza.
Leggi l’articolo →
Quattro agenti Gemini 4 Argon sconfiggono il drago di Minecraft in una prova autonoma di 27 ore
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.
Leggi l’articolo →
Anthropic consulta studi legali sulle regole per gli agenti IA che negoziano
Anthropic sta consultando studi legali su come dovrebbero negoziare gli agenti di IA per conto delle persone. Le informazioni disponibili non indicano quali studi siano coinvolti né descrivono regole concordate; non confermano neppure come queste indicazioni verrebbero integrate in Claude.
Leggi l’articolo →
Anthropic destina il 5% delle azioni a un fondo di beneficio pubblico: struttura, incentivi e limiti della governance
L'azienda ha confermato la creazione di un fondo che riceve il 5% delle sue azioni, portando a un totale del 20% con gli impegni precedenti di co-fondatori e dipendenti. Il meccanismo scala con la valutazione, ma gli esperti avvertono che il suo potere di veto reale sulle decisioni tecniche non è ancora stato testato in caso di conflitto commerciale diretto.
Leggi l’articolo →
AesCode Infographics Layout: la metrica di composizione visiva e il suo isolamento nel set di valutazione
Analisi funzionale della metrica 'Layout' nell'architettura di AesCode. A differenza delle audit precedenti su 'Content' o 'Chart', questo articolo affronta la funzione strutturale della metrica: come la separazione della valutazione del layout (composizione, gerarchia, spaziatura) da quella del contenuto (testo, dati) permetta di diagnosticare fallimenti specifici nella generazione di infografiche. Si spiega come un harness di valutazione debba isolare la variabile 'design' da quella 'informazi...
Leggi l’articolo →
Articolo 14 dell’AI Act: gestione continua dei rischi e applicazione pratica nei sistemi ad alto rischio
Analisi giuridico-operativa dell’articolo 14 del regolamento (UE) 2024/1689: l’obbligo di istituire un sistema continuo di gestione dei rischi per i sistemi di IA ad alto rischio, distinguendo la valutazione iniziale dal monitoraggio continuativo e offrendo una checklist di conformità.
Leggi l’articolo →
Più parametri non significano più progresso: come separare la cronologia dei lanci dal miglioramento misurabile nell'IA
La data di rilascio e le dimensioni del modello sono indicatori deboli del progresso tecnico. Questa analisi esamina tre dimensioni in cui la cronologia inganna: l'efficienza per token rispetto alla scala grezza, la ritenzione effettiva in task lunghi rispetto alla finestra di contesto massima e l'affidabilità nei flussi multi-step rispetto alla mera capacità di invocare strumenti. Si propone un framework di valutazione basato su evidenze quantitative per distinguere i progressi reali dalle iter...
Leggi l’articolo →
Auditare la catena di evidenza nei paper di IA: dall'osservazione all'affermazione
Protocollo in cinque passi per valutare la validità interna degli articoli di ricerca in IA, distinguendo tra dati osservati, interpretazioni degli autori e conclusioni non supportate.
Leggi l’articolo →
Dal modello alla rete: come esporre un server di inferenza locale senza aprire porte al caso
Guida operativa per configurare l'esposizione di rete di server di inferenza locale come Ollama, vLLM o LM Studio. Impara a gestire bind address, firewall e autenticazione per condividere l'accesso in rete locale o VPN senza esporre il servizio a internet.
Leggi l’articolo →