📁 Frameworks

LangChain introduce un set di 'skills' open source per migliorare le capacità degli agenti AI nel suo ecosistema. Queste 'skills', istruzioni e risorse specializzate, vengono caricate dinamicamente per ottimizzare le prestazioni degli agenti in compiti specifici, con un incremento significativo nei test su Claude Code.

LangSmith introduce una CLI e un set di 'skills' per migliorare le capacità degli agenti AI nel gestire il ciclo di vita dei modelli. Le skills offrono istruzioni e risorse specializzate, caricate dinamicamente per evitare sovraccarichi. L'integrazione aumenta significativamente le performance degli agenti in task specifici, come dimostrato dai test su Claude Code.

Google ha esteso la disponibilità di Canvas in AI Mode a tutti gli utenti negli Stati Uniti. Questa funzionalità permette di creare documenti e strumenti interattivi direttamente all'interno della Ricerca Google, semplificando il flusso di lavoro e la generazione di idee.

Gram è un nuovo editor di testo scritto in Rust, nato come fork semplificato di Zed. Sono state rimosse le funzionalità AI e chat. Lo sviluppatore di Gram afferma che Zed Industries ha modificato i termini di servizio in seguito alla pubblicazione del fork.

Anush Elangovan, VP di AI Software di AMD, ha utilizzato Claude Code per sviluppare un driver user-space per GPU AMD interamente in Python. Questo driver mira a testare il codice ROCm e a facilitare il debug dello stack user-space ROCm/HIP.

AMD ha reso open source ROCprof Trace Decoder, uno strumento utile per gli sviluppatori che lavorano con lo stack di calcolo GPU AMD. Questo decoder facilita l'analisi delle tracce di esecuzione, essenziale per ottimizzare le prestazioni delle applicazioni.

Un nuovo studio esplora l'uso di grafi per rappresentare documenti, sfruttando l'attenzione dinamica a finestra scorrevole per catturare dipendenze semantiche. Reti neurali basate su grafi (GAT) addestrate su questi grafi mostrano risultati promettenti nella classificazione di documenti, con un'efficienza computazionale superiore. La ricerca esamina anche il potenziale di questo approccio per la creazione di riassunti di documenti.

Un nuovo modello di diffusione, StaTS, apprende dinamicamente la programmazione del rumore e il denoiser per migliorare la previsione di serie temporali. StaTS utilizza una regolarizzazione spettrale per preservare le strutture e un denoiser guidato dalla frequenza per una migliore ricostruzione, ottenendo risultati promettenti con meno passaggi di campionamento.

Un nuovo studio introduce un framework per la progettazione di reti di trasporto pubblico che considera le incertezze nella domanda. Il modello, denominato 2LRC-TND, utilizza machine learning e ottimizzazione stocastica contestuale per modellare sia la domanda di base che l'adozione potenziale del servizio, offrendo un'alternativa più realistica ai modelli a domanda fissa. Il sistema è stato testato nell'area metropolitana di Atlanta.

Il team di sviluppo di Go ha approvato l'implementazione dei metodi generici, invertendo una posizione di lunga data. La proposta, firmata da Robert Griesemer, co-designer del linguaggio, è ora in fase di implementazione, nonostante i sondaggi evidenzino altre aree di maggiore interesse per la comunità degli sviluppatori.

La nuova versione beta di Firefox 149 offre una funzionalità che consente di visualizzare due pagine web contemporaneamente, affiancate in una singola finestra. L'utente può regolare la divisione tra le due pagine trascinando un separatore con il mouse, migliorando la produttività e la consultazione di contenuti multipli.

Il team di Alibaba ha rilasciato CoPaw, una workstation personale ad alte prestazioni per aiutare gli sviluppatori a scalare i workflow di intelligenza artificiale multicanale. CoPaw è progettato per migliorare la gestione della memoria e l'efficienza dei processi di sviluppo.

Presentato HumanMCP, un nuovo dataset su larga scala per valutare l'efficacia dei Model Context Protocol (MCP) server. Il dataset include query utente realistiche, diversificate e di alta qualità, progettate per simulare interazioni umane con 2800 tool distribuiti su 308 MCP server, colmando una lacuna nei benchmark esistenti.

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.