IT · Edizione internazionale · 21/10/2026
Inferama ogni giorno · 21/10/2026
Le novità più importanti sull’intelligenza artificiale dal bollettino precedente, selezionate per rilevanza editoriale.
Periodo delle novità: 20/10/2026 08:30 → 21/10/2026 08:30 (Europe/Madrid).
Apprendimento con pochi esempi (few-shot): definizione, meccanismo e limiti dell’in-context learning
Il few-shot prompting è una tecnica di progettazione del contesto che inserisce nella richiesta coppie di input e output per orientare la risposta del modello senza modificarne i pesi. Questa scheda spiega l’in-context learning, propone tre esempi in ambiti diversi, distingue la tecnica da zero-shot, fine-tuning e catena del pensiero e ne chiarisce i limiti operativi.
Leggi l’articolo →
Incertezza: definizione, tipi e metodi di quantificazione nei modelli predittivi
L'incertezza misura il grado di mancanza di certezza su una previsione o una misurazione. Questa scheda spiega la distinzione fondamentale tra incertezza aleatoria (rumore intrinseco) ed epistemica (mancanza di conoscenza), dettagliando metodi di quantificazione come Monte Carlo e processi gaussiani, e offrendo esempi applicati in meteorologia, ingegneria e scienze sociali per valutare l'affidabilità dei modelli.
Leggi l’articolo →
Ragionamento nei modelli: come funziona, esempi e limiti
Definizione rigorosa della capacità di ragionamento nei modelli linguistici, spiegazione del funzionamento, tre esempi applicati, metodi di valutazione e analisi dei limiti documentati nella letteratura primaria.
Leggi l’articolo →
Robustezza: definizione, valutazione e limiti nei sistemi di apprendimento automatico
La robustezza non è una proprietà assoluta: è una relazione tra un obiettivo, un modificatore, un dominio di variazione e una tolleranza. Questa scheda spiega come rendere operativo il concetto, verificare i modelli in presenza di cambiamenti nella distribuzione dei dati e capire perché buone prestazioni in laboratorio non garantiscono un comportamento affidabile nel mondo reale.
Leggi l’articolo →
Moderazione: definizione, funzionamento e limiti nelle piattaforme digitali
La moderazione è l'insieme di azioni, automatizzate o umane, che le piattaforme applicano per rilevare, identificare e gestire contenuti che violano i propri termini o la legge. Questo glossario spiega il suo funzionamento, i quadri normativi come il DSA e le sfide tecniche ed etiche poste dall'automazione.
Leggi l’articolo →
Come scegliere, quantizzare e valutare un modello linguistico locale
Un flusso di lavoro riproducibile per selezionare un modello, stimare la memoria necessaria, provare diverse quantizzazioni e verificare privacy e prestazioni prima della distribuzione.
Leggi l’articolo →
DeepSeek apre DeepInfer, il framework che usa per servire V4.1-Flash
DeepSeek ha pubblicato il proprio framework interno di inferenza, già utilizzato in produzione con V4.1-Flash. L'apertura può facilitare i deployment autonomi, ma le fonti disponibili non permettono di confermare in modo indipendente i vantaggi prestazionali, l'ambito del supporto hardware o una riduzione effettiva della dipendenza da NVIDIA.
Leggi l’articolo →
TorchNeuron: Amazon apre Trainium a PyTorch con un cambio di configurazione
AWS lancia TorchNeuron, un backend nativo open source che consente di eseguire modelli PyTorch su chip Trainium2 e Trainium3. Lo strumento mira a ridurre la dipendenza da CUDA, sebbene la prima versione presenti limitazioni di compatibilità e ometta migliaia di test del framework.
Leggi l’articolo →
Agenti IA violano oltre 100 aziende con un costo di 25 dollari per obiettivo
Un criminale informatico ha utilizzato agenti di IA autonomi per attaccare oltre 100 organizzazioni in cinque giorni, rubando 600.000 carte di credito con un costo medio di 25 dollari per azienda. L'incidente, documentato da Gambit Security, segna un punto di svolta nell'automazione offensiva e costringe a ripensare le difese tradizionali.
Leggi l’articolo →
Elaborare le fatture con l’IA: cosa automatizzare, cosa verificare e quando fermare il flusso
Una guida per distinguere l’estrazione dei dati dai controlli contabili e dall’approvazione umana. Non esiste una soglia universale di accuratezza o di volume: la decisione va presa sulla base di test con fatture reali, regole verificabili e costo degli errori.
Leggi l’articolo →