DeepSeek ha rilasciato V3.2, un modello open source che, secondo quanto riferito, eguaglia le prestazioni di GPT-5 nel ragionamento matematico, ma con costi operativi dieci volte inferiori. Grazie a una nuova architettura di "Sparse Attention", il laboratorio cinese ha ottenuto prestazioni di alto livello con un costo totale di addestramento di circa 5,5 milioni di dollari, una cifra notevolmente inferiore ai 100 milioni di dollari spesi dai colossi tecnicici statunitensi.
È stata rilasciata una versione del modello GLM4.7-Flash, denominata REAP, ottimizzata per la programmazione agentica. I primi test indicano un notevole miglioramento rispetto alle versioni precedenti, posizionandosi tra i modelli più efficienti in relazione alle dimensioni. Si valutano versioni REAP specifiche per la scrittura creativa, in risposta ai feedback degli utenti.
Presentato AfriEconQA, un dataset di riferimento per l'analisi economica africana basato sui report della Banca Mondiale. Il dataset, composto da quasi 9.000 istanze QA, mira a valutare i sistemi di Information Retrieval e RAG in un contesto di ragionamento numerico e disambiguazione temporale. I risultati iniziali evidenziano significative lacune nelle conoscenze dei modelli zero-shot e nelle pipeline RAG più avanzate.
Un nuovo metodo di decodifica per modelli linguistici di grandi dimensioni (LLM), chiamato Entropy-Tree, sfrutta l'entropia per guidare l'esplorazione ad albero. Questo approccio mira a migliorare sia l'accuratezza che l'affidabilità nei compiti di ragionamento, superando le strategie di campionamento tradizionali. Entropy-Tree ottimizza l'esplorazione strutturata e la stima dell'incertezza all'interno di un'unica procedura di decodifica.
Una nuova ricerca evidenzia come la qualità delle risposte degli LLM sia influenzata dalla lingua utilizzata nella query. Le lingue a bassa dotazione di risorse ottengono risposte di qualità inferiore. Lo studio rivela inoltre che la scelta della lingua impatta significativamente il contesto culturale utilizzato dal modello, influenzando la qualità della risposta finale.
Un nuovo framework, ELILLM, sfrutta i modelli linguistici di grandi dimensioni (LLM) per la progettazione di farmaci basata su strutture (SBDD). ELILLM affronta le limitazioni degli LLM nell'interpretazione delle strutture proteiche e nella generazione molecolare, reinterpretando il processo di generazione come codifica, esplorazione dello spazio latente e decodifica. L'ottimizzazione bayesiana guida l'esplorazione sistematica degli embedding latenti, migliorando l'affinità di legame e la validità chimica.
Una nuova ricerca evidenzia come i modelli linguistici di grandi dimensioni (LLM) integrati nei sistemi di triage ospedaliero possano presentare bias nascosti nei confronti di pazienti con diverse provenienze razziali, sociali ed economiche. Lo studio utilizza variabili proxy per valutare il comportamento discriminatorio degli LLM e sottolinea la necessità di un'implementazione più responsabile dell'intelligenza artificiale in ambito clinico.
Un nuovo approccio, denominato Gated Sparse Attention (GSA), promette di migliorare sia l'efficienza computazionale che la stabilità durante l'addestramento di modelli linguistici con contesti molto estesi. GSA combina meccanismi di attenzione selettiva con tecniche di gating, ottenendo notevoli incrementi di velocità e qualità, riducendo al contempo i problemi legati all'attenzione "dispersa".
Blockit, una startup che utilizza agenti AI per gestire calendari e pianificare appuntamenti, ha raccolto 5 milioni di dollari in finanziamenti seed guidati da Sequoia. L'obiettivo è automatizzare la pianificazione, riducendo i tempi necessari per coordinare gli impegni.
Ricerca Google: il dibattito tra molteplici agenti di intelligenza artificiale potenzia le capacità di ragionamento, superando i limiti della pura potenza di calcolo. Questo approccio innovativo apre nuove prospettive nello sviluppo di sistemi IA più sofisticati e capaci di affrontare problemi complessi in modo più efficace.
Un utente di Reddit esprime frustrazione per la proliferazione di app e strumenti di IA che sembrano replicare funzionalità esistenti, spesso in modo meno efficiente. La riflessione solleva interrogativi sull'effettivo progresso e sull'allocazione delle risorse nel panorama attuale dell'intelligenza artificiale, dominato da abbonamenti costosi e cloni imperfetti.
La startup Inferact, focalizzata sull'inference, ha ottenuto un finanziamento di 150 milioni di dollari. Questo round di investimento valuta la società, di recente costituzione, 800 milioni di dollari. L'obiettivo principale è la commercializzazione della tecnicia vLLM.
Un'analisi di GPTZero rivela che numerosi studi presentati alla conferenza NeurIPS contengono citazioni generate da intelligenze artificiali. Questo solleva preoccupazioni sull'affidabilità della ricerca scientifica quando si utilizzano strumenti di AI senza un'adeguata verifica.
Una nuova ricerca valuta le prestazioni dei principali modelli di intelligenza artificiale in compiti tipici del lavoro d'ufficio, come consulenza, investment banking e legale. I risultati mostrano che la maggior parte dei modelli fallisce nel portare a termine le consegne in modo efficace, sollevando interrogativi sulla loro attuale prontezza per l'integrazione nel mondo del lavoro.
Demis Hassabis, CEO di Google DeepMind, si dice sorpreso dalla decisione di OpenAI di inserire pubblicità in ChatGPT. Afferma che Google non sta esercitando pressioni per una simile integrazione nel proprio chatbot di intelligenza artificiale. La mossa di OpenAI solleva interrogativi sul futuro dei modelli di business per i chatbot AI e sulla loro sostenibilità a lungo termine.
Humans&, startup fondata da ex dipendenti di Anthropic, Meta, OpenAI, xAI e Google DeepMind, si propone di sviluppare modelli di base di nuova generazione focalizzati sulla collaborazione, superando il tradizionale approccio basato sulla chat. L'obiettivo è creare sistemi di intelligenza artificiale capaci di operare in modo sinergico con gli esseri umani.
L'intelligenza artificiale sta creando un terreno fertile per la diffusione di disinformazione su vasta scala e a velocità senza precedenti. Gli esperti avvertono che individuare queste campagne manipolative sta diventando sempre più difficile, mettendo a rischio i processi democratici.
WIRED ha intervistato Boris Cherny, responsabile di Claude Code, per capire come questo strumento di programmazione stia trasformando il lavoro interno ad Anthropic. L'adozione di tool di questo tipo potrebbe rivoluzionare il futuro dello sviluppo software, rendendo i processi più efficienti e accessibili.
OpenAI ha rivelato come ha scalato PostgreSQL per supportare milioni di query al secondo per ChatGPT. La strategia include repliche, caching, rate limiting e isolamento dei carichi di lavoro. Un'analisi interna delle tecniche usate per gestire l'enorme mole di richieste.
Google mette a disposizione degli studenti che si preparano per il SAT una nuova risorsa gratuita: test di pratica potenziati dall'intelligenza artificiale di Gemini. L'iniziativa mira a rendere più accessibile la preparazione agli esami di ammissione al college, sfruttando le capacità avanzate del modello linguistico di Google.