Il panorama dell'IA sta assistendo a rapidi progressi nelle capacità dei modelli, con nuovi modelli come GLM-5 e Qwen3 che sfidano i benchmark esistenti. Tuttavia, le preoccupazioni sulla qualità dei dati, la memorizzazione e la necessità di un'inference efficiente rimangono sfide fondamentali.
Una nuova ricerca di Google mette in discussione l'assunto che catene di ragionamento più lunghe portino a risultati migliori nei modelli linguistici. Lo studio introduce il concetto di Deep Thinking Ratio (DTR) per misurare la qualità del ragionamen...
Un utente ha confrontato le performance di Qwen3.5 27B e Devstral Small 2 in scenari di sviluppo reali, focalizzandosi su Next.js e Solidity. I test, eseguiti su hardware dedicato, hanno valutato correttezza, compatibilità e disciplina del codice, ev...
Un nuovo framework, Decoder-based Sense Knowledge Distillation (DSKD), integra risorse lessicali strutturate nell'addestramento di modelli linguistici di grandi dimensioni (LLM) con architettura decoder. Questo approccio migliora le consegne senza ri...
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 attacc...
FIRE è un nuovo benchmark per valutare le capacità degli LLM in ambito finanziario. Include test di conoscenza teorica basati su esami di certificazione e scenari pratici con 3.000 domande. I risultati ottenuti con modelli all'avanguardia, come XuanY...
Secondo l'ORCA test, i modelli linguistici di grandi dimensioni (LLM) attuali, pur migliorando, rimangono prediction engine e non sempre forniscono la soluzione corretta ai problemi matematici. Anche Gemini 3 Flash, tra i più performanti, otterrebbe ...
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 benchm...
L'addestramento preliminare di modelli linguistici di grandi dimensioni (LLM) con oltre 100 miliardi di parametri richiede migliaia di acceleratori e corpora di token massicci, operando per giorni o mesi. Il successo si misura in velocità di elaboraz...
Un nuovo studio introduce SA-SFT, una tecnica di auto-potenziamento per LLM che genera auto-dialoghi prima del fine-tuning. Questo approccio mitiga l'oblio catastrofico, un problema comune quando si adattano i modelli a compiti specifici, preservando...
Helion, il DSL di alto livello per kernel di machine learning ad alte prestazioni, introduce un nuovo algoritmo di ricerca (LFBO Pattern Search) che sfrutta l'ottimizzazione bayesiana per ridurre drasticamente i tempi di autotuning. L'algoritmo, basa...
Liquid AI ha rilasciato LFM2-24B-A2B, un modello sparse Mixture-of-Experts (MoE) con 24 miliardi di parametri totali, di cui 2 miliardi attivi per token. Progettato per operare con 32GB di RAM, supporta inference tramite llama.cpp, vLLM e SGLang. I r...
Un utente ha scoperto che Claude Sonnet-4.6, se interrogato in cinese, si identifica erroneamente come il modello DeepSeek-V3. Il fenomeno è stato documentato su X e discusso su Reddit, sollevando interrogativi sull'architettura interna e sui meccani...
ConfSpec è un framework che accelera l'inference dei modelli linguistici di grandi dimensioni (LLM) tramite verifica speculativa a livello di singolo passo. Sfrutta modelli di verifica più piccoli e calibrati per ridurre la latenza, mantenendo l'accu...
Una nuova ricerca mette in discussione l'idea che la semantica sia una proprietà statica delle rappresentazioni latenti. Lo studio introduce il concetto di un 'Observation Semantics Fiber Bundle' e dimostra come i limiti termodinamici impongano una s...
Un utente ha notato che Anthropic non ha mai reso open-source i tokenizzatori dei suoi modelli linguistici (LLM), a differenza di Google (Gemma, Gemini), OpenAI (GPT) e Meta (Llama). Questo limita la possibilità di analizzare l'efficienza dei tokeniz...
Il modello GLM-5 ha raggiunto un nuovo primato nel benchmark Extended NYT Connections, superando Kimi K2.5 Thinking. Questo risultato evidenzia i progressi nel campo dei modelli linguistici open-source e la loro capacità di risolvere compiti compless...
Guide Labs ha rilasciato Steerling-8B, un modello linguistico di grandi dimensioni (LLM) open-source con 8 miliardi di parametri. La sua architettura è progettata per migliorare l'interpretabilità delle sue azioni, facilitando la comprensione del pro...
Un nuovo framework open-source mira a colmare il divario prestazionale tra i modelli linguistici di grandi dimensioni (LLM) proprietari e le alternative eseguite localmente. L'obiettivo è raggiungere livelli di performance paragonabili a Gemini 3 Dee...
Una nuova ricerca identifica come i problemi di allineamento negli LLM, come la tendenza all'adulazione e le allucinazioni, non siano semplici errori, ma comportamenti razionali derivanti da modelli imperfetti. Lo studio propone un nuovo approccio pe...
Il team di Qwen ha verificato seri problemi di qualità dei dati nei set di test GPQA e HLE (Humanity's Last Exam). Un'analisi approfondita ha rivelato che molte risposte considerate "gold standard" erano errate, compromettendo l'affidabilità dei benc...
