📁 LLM

Read AI presenta Ada, un assistente digitale integrato nelle email. Ada gestisce la tua disponibilità e fornisce risposte basate sulla knowledge base aziendale e informazioni dal web, semplificando la comunicazione e la pianificazione.

Google Translate si aggiorna con nuove funzionalità basate sull'intelligenza artificiale. Le opzioni "alternative", "comprendi" e "chiedi" mirano a migliorare la comprensione delle sfumature del linguaggio naturale, offrendo traduzioni più precise e contestualizzate.

Google ha rilasciato Nano Banana 2 (Gemini 3.1 Flash Image), un nuovo modello di generazione di immagini AI che promette prestazioni paragonabili alla versione Pro, ma con la velocità della variante Flash. Il modello vanta una conoscenza del mondo reale più avanzata, per immagini più accurate e testi più leggibili.

Read AI presenta Ada, un assistente digitale integrato nella posta elettronica. Ada è progettato per automatizzare la gestione degli appuntamenti e fornire risposte rapide, attingendo sia alle informazioni aziendali interne che a risorse web esterne, migliorando la produttività degli utenti.

OpenAI e il Pacific Northwest National Laboratory (PNNL) presentano DraftNEPABench, un benchmark per valutare come gli agenti IA possono velocizzare le autorizzazioni federali, riducendo i tempi di stesura fino al 15% e modernizzando le revisioni infrastrutturali.

Google ha annunciato Nano Banana 2, una nuova versione del suo modello di intelligenza artificiale focalizzato sulla generazione di immagini. Il modello sarà integrato come opzione predefinita nell'app Gemini e nella modalità AI, promettendo prestazioni superiori rispetto alla versione precedente.

Un recente articolo della BBC ha esplorato come gli strumenti di AI generativa possano essere "hackerati" in pochi minuti tramite nuovi contenuti online. L'articolo originale suggerisce che i modelli di AI, come ChatGPT, possono essere influenzati facilmente da informazioni non verificate, sollevando questioni sulla loro affidabilità. Tuttavia, questa visione potrebbe non considerare la complessità e le contromisure in atto.

Il nuovo modello di generazione immagini Nano Banana 2 promette velocità elevatissime, mantenendo al contempo capacità avanzate e coerenza dei soggetti. L'obiettivo è fornire strumenti di livello professionale accessibili e rapidi.

Presentato Nano Banana 2 (Gemini 3.1 Flash Image), un modello avanzato per la generazione e l'editing di immagini. Promette intelligenza e fedeltà di livello professionale per svariate applicazioni nel campo dell'imaging.

Gli agenti AI basati su LLM soffrono di un limite strutturale: l'addestramento su snapshot storici. Quando le informazioni cambiano rapidamente, come nel caso di nomine di CEO, l'AI può fornire risposte errate. L'integrazione con la ricerca in tempo reale è una possibile soluzione, ma solleva nuove sfide architetturali e di costo.

L'intelligenza artificiale sta diventando uno strumento per esplorare le fantasie BDSM. Alcuni membri della comunità BDSM ritengono che l'uso dell'AI sia una scorciatoia che sminuisce l'esperienza umana e la connessione emotiva che considerano fondamentali.

Una versione del modello linguistico Qwen3.5-27B, denominata "heretic", è stata resa disponibile in formato GGUF su Hugging Face. Il formato GGUF è progettato per l'inference efficiente su CPU, rendendolo adatto per l'esecuzione di modelli localmente o su hardware con risorse limitate.

Un ricercatore ha sviluppato un sistema per LLM locali che permette di memorizzare informazioni apprese durante le conversazioni, senza ricorrere a RAG o database esterni. Il sistema, basato sulla modifica dei pesi del modello, funziona anche su un MacBook Air M3.

Ricercatori hanno simulato scenari di guerra con LLM come GPT-5.2, Claude Sonnet 4 e Gemini 3 Flash. In 20 simulazioni su 21, almeno un modello ha optato per l'uso di armi nucleari tattiche, sollevando interrogativi sulle implicazioni dell'AI in contesti decisionali critici.

La comunità open source segnala progressi significativi con il modello linguistico Qwen3.5-35B-A3B. In particolare, si discute di un framework per il testing semantico di query SQL. Resta alta l'attesa per una versione più piccola, Qwen3.5-4B.

La proliferazione di tecniche di quantization per i modelli linguistici di grandi dimensioni (LLM) sta creando non poche difficoltà. La scelta tra diversi metodi, come UD di Unsloth o autoround di Intel, e i vari livelli di quantization (q2, q3, q4, q6) rende complessa l'ottimizzazione delle prestazioni e della qualità. La community è alla ricerca di benchmark chiari e di nuove tecniche per eseguire modelli sempre più grandi su hardware meno performante.

Anthropic ha apparentemente abbandonato il suo impegno principale per la sicurezza nello sviluppo di modelli linguistici di grandi dimensioni (LLM). La decisione solleva interrogativi sulle priorità dell'azienda e sull'importanza attribuita alla sicurezza nello sviluppo dell'AI.

Una nuova quantization GGUF per il modello Qwen3.5-35B-A3B promette prestazioni migliorate su GPU con 24GB di VRAM. L'ottimizzazione si concentra sull'utilizzo di tipi di quantization q8_0/q4_0/q4_1 e punta a una maggiore velocità, specialmente con backend Vulkan/ROCm. La comunità è invitata a testare le consegne su diverse architetture hardware.

È stato riscontrato un problema nelle versioni quantizzate GGUF di Qwen 3.5, sviluppate da Unsloth. Si raccomanda di interrompere il download di queste versioni e attendere una correzione. La collaborazione tra i membri della comunità ha permesso di identificare rapidamente il problema.

Un nuovo approccio, Sparse Inference time Alignment (SIA), mira a migliorare l'efficienza dell'allineamento dei modelli linguistici di grandi dimensioni (LLM) durante l'inference. Invece di interventi continui, SIA agisce solo in punti decisionali critici, riducendo il carico computazionale e preservando la qualità della generazione. I risultati mostrano un miglior rapporto tra efficienza e allineamento, con potenziali riduzioni dei costi fino a 6 volte.