📁 Frameworks

NanoClaw è una versione più leggera e orientata alla sicurezza della piattaforma di agenti AI OpenClaw. L'obiettivo è mitigare i rischi associati ad agenti AI non controllati, confinando l'esecuzione in container isolati.

LLmFit è un tool da terminale che aiuta a identificare quale modello LLM si adatta meglio alle risorse hardware disponibili. Analizza RAM, CPU e GPU del sistema, valutando i modelli in base a qualità, velocità e contesto, suggerendo quelli più adatti all'esecuzione.

Sentient ha lanciato Arena, un ambiente di stress test per valutare l'AI agentica in scenari finanziari complessi. La piattaforma mira a migliorare la trasparenza e l'affidabilità dei sistemi di automazione, consentendo alle istituzioni finanziarie di tracciare la logica delle decisioni e garantire la conformità normativa. Franklin Templeton e Founders Fund tra i primi partner.

Un utente di Reddit esprime perplessità riguardo alla popolarità di OpenClaw, descrivendolo come un wrapper con numerose funzioni pre-programmate. Si interroga se la sua diffusione sia giustificata, suggerendo che anche programmatori alle prime armi potrebbero sviluppare strumenti più leggeri e adatti alle loro esigenze specifiche in breve tempo.

Molte aziende hanno implementato agenti AI e automatizzato processi, ma faticano a farli collaborare in modo efficiente e sicuro. Il problema principale non è l'intelligenza artificiale in sé, ma l'orchestrazione e il coordinamento di questi agenti in ambienti enterprise complessi.

Un nuovo studio introduce AOT-SFT, un dataset avversariale su larga scala, e AOT, un framework di self-play per migliorare la robustezza percettiva dei modelli multimodali di linguaggio (MLLM). AOT utilizza un approccio di co-evoluzione tra un attaccante che manipola le immagini e un difensore MLLM, forzando quest'ultimo ad adattarsi e migliorare, riducendo le allucinazioni.

Perplexity ha annunciato "Computer", uno strumento che permette agli utenti di assegnare compiti complessi a un sistema di agenti AI specializzati. Computer scompone il lavoro in sotto-attività, assegnandole dinamicamente ai modelli più adatti. Attualmente disponibile per gli abbonati Perplexity Max, Computer promette di automatizzare workflow complessi.

IronCurtain è un nuovo progetto open source che mira a proteggere e vincolare gli agenti assistenti AI. L'obiettivo è prevenire comportamenti inattesi o dannosi che potrebbero compromettere la sicurezza dei dati e dei sistemi.

Microsoft presenta CORPGEN, un framework per agenti AI capaci di gestire molteplici attività complesse simultaneamente, simulando scenari lavorativi reali. CORPGEN utilizza pianificazione gerarchica, memorie isolate e apprendimento esperienziale per migliorare significativamente i tassi di completamento delle attività rispetto ai sistemi di base.

Figma ha stretto una partnership con OpenAI per integrare Codex, l'assistente alla programmazione basato su intelligenza artificiale. Questa mossa segue un annuncio simile riguardante l'integrazione con Claude Code di Anthropic, segnalando un crescente interesse nell'incorporare strumenti di AI nei flussi di lavoro di progettazione e sviluppo.

OpenAI e Figma hanno annunciato una nuova integrazione tra Codex e la piattaforma di design Figma. L'obiettivo è di fluidificare il passaggio tra la fase di ideazione visiva e l'implementazione del codice, permettendo ai team di sviluppare e rilasciare prodotti più rapidamente.

ACAR è un framework per orchestrare modelli multipli, usando la varianza di auto-consistenza per indirizzare i task a configurazioni con uno, due o tre modelli. Implementato su TEAMLLM, ACAR valuta Claude Sonnet 4, GPT-4o e Gemini 2.0 Flash su benchmark specifici, dimostrando un'accuratezza del 55.6% ed evitando l'ensemble completo nel 54.2% dei casi. L'articolo evidenzia anche i limiti dell'augmentation tramite retrieval e dell'attribuzione basata su segnali proxy.

Un nuovo framework, Latent Context Compilation, affronta le sfide del deployment di LLM con contesti lunghi. Utilizzando un modulo LoRA usa e getta come compilatore, il sistema distilla contesti estesi in token buffer compatti e portabili, compatibili con modelli base congelati. Questo approccio elimina la necessità di coppie QA sintetiche, preservando dettagli e capacità di ragionamento.

Un nuovo framework, PANGAEA-GPT, sfrutta un sistema multi-agente gerarchico per l'analisi autonoma di vasti archivi di dati geoscientifici. L'architettura, basata su una topologia Supervisor-Worker, permette l'esecuzione di workflow complessi con minima interazione umana, migliorando l'utilizzo e la riusabilità dei dati.

Un nuovo studio esplora la teoria degli insiemi soft, un modello per la rappresentazione strutturata dell'incertezza tramite l'assegnazione di sottoinsiemi a parametri. La ricerca analizza le evoluzioni della teoria, incluse le varianti hypersoft, superhypersoft e TreeSoft, e le sue connessioni con topologia e teoria dei matroidi.

Mozilla ha rilasciato la versione beta di Firefox 149, che introduce una comoda modalità Split-View. Questa funzionalità permette agli utenti di visualizzare due pagine web affiancate nella stessa finestra, migliorando la produttività e semplificando il confronto di contenuti.

È disponibile Mesa 26.0.1, la prima point release della serie 26.0. Oltre alle correzioni di bug, questa versione include un importante fix di sicurezza per un possibile accesso fuori limite alla memoria nei contesti WebGPU dai browser web.

Peter Steinberger, ideatore dell'agente AI virale OpenClaw, sottolinea l'importanza di un approccio più ludico nello sviluppo di applicazioni di intelligenza artificiale, evidenziando come la sperimentazione favorisca un apprendimento più efficace.

Un ingegnere di Cloudflare afferma di aver implementato il 94% delle API Next.js utilizzando l'AI di Anthropic (Claude) e Vite. L'obiettivo è creare un tool di build open source alternativo, riducendo la dipendenza da Vercel. Il costo stimato per i token utilizzati è di 1.100 dollari.

Atlassian introduce una nuova funzionalità in Jira che permette di assegnare e gestire agenti AI esattamente come fossero membri del team. Questa integrazione mira a ottimizzare i workflow, consentendo una collaborazione più fluida tra intelligenza artificiale e operatori umani all'interno della piattaforma Jira.