Benchmark eseguibili, audit decisionali multi-turno e formalizzazione bias-varianza rivelano lacune di affidabilità che le classifiche statiche non colgono.
Un learning rate condiviso può fabbricare vantaggi inesistenti quando si confrontano ricette di fine-tuning con numeri di parametri diversi. Nella compressione SVD della KV-cache, l'healing solo dell'encoder sembrava superiore, ma con learning rate d...
Quattro modelli decisionali open testati su una RTX 4090 in affitto: Laya, d1, Clef-Flash e Lev hanno letto 9.534 parole e segnalato nomi di centopiedi. Laya è il più veloce con 3,9 ms per parola su llama.cpp, Lev il più accurato sul target ma circa ...
Il framework GA-GRPO formalizza la guida esterna nel fine-tuning di LLM reasoning come un operatore che introduce bias misurabile in base alla divergenza tra guida e policy. La teoria mostra che il bias è inevitabile e cresce nel tempo, ma il peso ot...
Un nuovo framework, GA-GRPO, unifica i metodi di guida esterna per il ragionamento LLM, ne delimita il bias e mostra che il peso ottimale riduce le GPU-ore del 31%. Il bias cresce con la divergenza tra guida e policy, e il peso ideale cala con l'avan...
Al Heidelberg Laureate Forum, l’annuncio di OpenAI sul problema di Navier–Stokes ha acceso il dibattito. I colossi dell’AI usano la matematica come benchmark, ma la comunità accademica denuncia pressioni, costi e una verifica che si sposta fuori dal ...
Un benchmark comunitario mostra che configurazioni locali con RTX 5090 raggiungono il 96% su task di coding, avvicinandosi al 100% di Claude Code Opus 5.5. La variabile critica non è solo il modello: con la stessa GPU e quantization identica, la harn...
Un benchmark eseguibile per gli scacchi cinesi mostra che gli agenti LLM possono indicare la mossa giusta e perdere comunque. Su 119 finali tattici, 8.568 traiettorie multi-turno e 12 LLM frontier, il successo a ciclo chiuso crolla rispetto alle valu...
Una valutazione paired su 11 punti decisionali per agenti LLM mostra che il modello ospitato Jev supera quello open-weight Laya su 9 compiti, ma nessuno batte il caso nel routing zero-shot. L’audit della pipeline rivela errori che trasformano un risp...
