Topic / Trend Rising

AI di dominio e strumenti scientifici

Modelli e strumenti aperti per retrieval legale, sanità, istruzione, data science e design fotonico indicano uno spostamento verso sistemi AI specializzati e distribuibili.

Detected: 2026-09-02 · Updated: 2026-09-02

LLM in oncologia: il limite non è la conoscenza ma il giudizio tra percorsi clinici

Nove LLM di frontiera valutati su 2.005 decisioni oncologiche mostrano un limite collettivo: nel 42,1% dei casi nessun modello risponde correttamente, soprattutto quando serve scegliere tra percorsi terapeutici. Due modelli più assertivi producono im...

#Hardware #LLM On-Premise #Fine-Tuning

2026-09-01 • ArXiv cs.AI

DS-Lighting: un harness esplicito per gli agenti data science

DS-Lighting è un toolkit open-source che rende esplicito il harness nell'automazione della data science. Scompone il harness in quattro strati: dati, workflow, esecuzione e valutazione, e rappresenta gli agenti come programmi operatori eseguibili. In...

#Hardware #LLM On-Premise #DevOps

2026-08-31 • Microsoft Research

GigaPath-Flash e GigaTIME-Flash: patologia computazionale più efficiente

Microsoft Research, University of Washington e Providence hanno rilasciato due modelli di patologia computazionale con pesi aperti. GigaPath-Flash distilla un encoder da miliardo di parametri in un backbone da 22M, riducendo di circa 50 volte il calc...

#Hardware #LLM On-Premise #Fine-Tuning

2026-08-28 • ArXiv cs.AI

PICasso e il valore dei vincoli fisici: gli LLM da soli non bastano nel design fotonico

PICasso combina specifiche in linguaggio naturale, generazione GDS e verifiche fisiche per progettare circuiti fotonici integrati. Su un benchmark di 36 task parametrizzati, il framework raggiunge fino al 92,7% di soddisfazione strutturale e riduce l...

#LLM On-Premise #DevOps

2026-08-28 • ArXiv cs.AI

EduRiskX: la via neuro-simbolica al rischio accademico precoce

Un framework neuro-simbolico combina un predittore Transformer con regole F-Logic per individuare studenti a rischio nell'istruzione online. Su OULAD raggiunge accuratezza 0,900 e F1-score 0,894, con rilevamento medio alla settimana 9,32. L'elemento ...

#LLM On-Premise #DevOps

2026-08-27 • ArXiv cs.LG

GreenLeaf Law Embed Tiny, il retrieval giuridico si fa locale

Un embedding giuridico da 0,6 miliardi di parametri mostra che distillazione, hard negative mining e quantization binaria possono spostare il retrieval legale verso deployment self-hosted. Il dato strutturale non è solo il benchmark, ma la possibilit...

2026-08-27 • ArXiv cs.LG

GreenLeaf Law Embed Tiny: un embedding compatto per il retrieval giuridico

GreenLeaf Law Embed Tiny è un modello di embedding da 0,6 miliardi di parametri per il retrieval giuridico. Ottiene il 75,11% su MLEB e il 64,38% su MTEB Law. La pipeline unisce distillazione e fine-tuning con hard negative mining su 3,4 milioni di c...

#LLM On-Premise #Fine-Tuning #DevOps

← Torna ai Topic