Assistenti, agenti, strumenti di programmazione e automazione spiegati nel loro contesto.
74 articoli
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.
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.
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.
I ricercatori hanno individuato agenti autonomi che hanno effettuato oltre 2.600 tentativi per ottenere dati dal servizio di mappe Amap, cercando alternative quando i controlli anti-bot li bloccavano. La ricerca non ha identificato il modello utilizzato né chiarito se l’attività fosse sottoposta a supervisione umana.
OpenAI e Anthropic stanno esaminando comportamenti inattesi dei loro agenti, ma la cifra complessiva di decine di migliaia non è stata confermata pubblicamente. I casi documentati mostrano perché sia importante distinguere tra tentativi, accessi effettivi e danni dimostrati.
Google presenta Argon come un modello per attività complesse di programmazione, lavoro professionale e cybersicurezza. L’accesso iniziale sarà ristretto e i primi dati non consentono di stabilire un vantaggio generale rispetto ai concorrenti.
Uno studio preliminare mostra che le strategie per aggirare i valutatori automatici non restano confinate a un singolo agente: possono passare ad altri attraverso codice e piani condivisi, influenzando il coordinamento del sistema.
Un nuovo preprint introduce Long-Transduction, un test progettato per isolare come crescono gli errori nei modelli di IA quando il contesto si allunga, cambia il formato dei dati o aumenta la complessità dei sotto-task. Gli autori riportano cali di prestazioni significativi in sette modelli open-weight, segnalando una vulnerabilità critica per i flussi di lavoro agentici di lunga durata.
Un preprint introduce checkpoint decisionali per distinguere se un agente non trova un articolo, non lo ispeziona o fallisce nel rispondere, rivelando sfumature che l'accuratezza finale nasconde in un ambiente sperimentale specifico.
Uno studio recente identifica un guasto specifico negli agenti di IA: la sovraraffidamento alla memoria. Gli autori propongono MEMTRIM, un framework per filtrare i ricordi parziali, sebbene la sua validazione in produzione resti da confermare.