Topic / Trend Rising

Agenti AI, memoria e ottimizzazione dell'inference

Nuovi strumenti e benchmark si concentrano su gestione della memoria degli agenti, riduzione dei token per gli agenti di coding e inference multimodale non bloccante. Together Compiler, AMD Loom e ICARE evidenziano lo spostamento verso ottimizzazione continua e apprendimento continuo per gli agenti AI.

Detected: 2026-11-20 · Updated: 2026-11-20

Articoli Correlati

2026-11-20 • ArXiv cs.CL

ICARE: addestramento continuo senza dimenticare i task già appresi

ICARE è un framework per la classificazione testuale cross-domain che mitiga il catastrophic forgetting nei sistemi NLI. Combina selezione delle istanze basata su representation learning e knowledge distillation a livello di feature e logit, con prun...

#LLM On-Premise #Fine-Tuning #DevOps
2026-11-18 • ArXiv cs.LG

AdaFlowLite: inference non bloccante per i dati asincroni dei sensori mobili

AdaFlowLite propone un cambio di paradigma: invece di attendere tutti i flussi di dati multimodali, avvia l'inference appena arriva una parte dei dati. I test mostrano fino all'80,4% di latenza in meno, fino al 62,1% di accuratezza in più e quasi il ...

#Hardware #LLM On-Premise #DevOps
2026-11-17 • Phoronix

Loom 0.2 di AMD: più C++ e targeting migliore per gli agenti AI

AMD ha rilasciato oggi Loom 0.2 all'interno di ROCm HRX, aggiornando compilatore, runtime e infrastruttura di serving per i workflow degli agenti AI. La nuova versione estende il supporto C++ e migliora il targeting. L'aggiornamento interessa sopratt...

#Hardware #LLM On-Premise #DevOps
← Torna ai Topic