La ricerca supera il puro scaling per puntare ad adattamenti mirati: correzione di modelli congelati, fact-checking modulare, compressione a strati, token merging e benchmark scientifici o di dominio. L'obiettivo è una maggiore affidabilità e prestazioni di dominio senza riaddestrare o gonfiare il calcolo.
inclusionAI pubblica su Hugging Face due checkpoint: Realtime-Venus-Omni, modello da 9B per interazione audio-video proattiva e full-duplex, e Realtime-Venus-Audio per conversazioni audio. Entrambi girano su backbone streaming con codice Transformers...
MDT trasforma la divergenza tra volto, voce e testo nel segnale centrale dell'analisi clinica, raggiungendo 0,7408 Macro F1 sul test BAH e addestrandosi in meno di venti minuti su singola GPU. Per AI-Radar il dato chiave è operativo: un modello che c...
MDT trasforma la contraddizione tra volto, voce e linguaggio in un segnale esplicito: nove token, LoRA e modulazione FiLM portano il riconoscimento di ambivalenza ed esitazione a 0,7408 Macro F1 sul test BAH, superando di oltre dieci punti la baselin...
Un metodo di compressione per LLM propone un curriculum learning a strati che parte da compiti semplici e arriva a quelli complessi, stabilizzando il trasferimento di conoscenza. Riduce oltre il 50% uso di memoria GPU e ore di training su BERT e GPT-...
Un framework a due stadi combina fine-tuning con reward di diversità e assegnazione del credito a livello di query per bilanciare la qualità dei singoli suggerimenti e la copertura degli intenti. Test offline e A/B online su dati di produzione mostra...
Una mappatura sistematica di 14.767 preprint arXiv pubblicati tra gennaio 2022 e agosto 2026 mostra come i benchmark per LLM stiano spostando l'attenzione verso azione, interazione e applicazioni professionali. La partecipazione dei modelli è asimmet...
Uno studio dell’University of Washington Medicine usa un LLM per estrarre feature da note cliniche non strutturate e le inserisce in un pipeline di regressione logistica accanto a dati strutturati. Il risultato: migliore previsione del fallimento del...
Un nuovo studio sul grokking mostra che la generalizzazione nei Transformer non è un cambio di modulo: emerge come guadagno distribuito con bias prospettico dell'attenzione nel blocco 0 e ricodifica spettrale. I modi di grado due spiegano il 67–92% d...
Un protocollo a due livelli certifica che un modello aggiornato non sia peggiore del precedente senza etichettare l'intero traffico. La differenza di rischio si concentra sugli input in cui i modelli divergono: si controlla solo il disaccordo. Su 14....
Su Hugging Face è disponibile una demo online di un modello da 230 milioni di parametri ottimizzato per il gioco degli scacchi. La notizia è minima, ma apre un ragionamento sulla specializzazione dei piccoli modelli e sul loro ruolo nei deployment lo...
Un gruppo di ricerca propone CNSF, un filtro neurale causale per il tracking multi-target che codifica solo le misure correnti e conserva le prove passate in uno stato ricorsivo. Su un test simulato a tre regimi, CNSF riduce GOSPA e T-GOSPA rispetto ...
Un modulo da 34 milioni di parametri corregge il 53,3% degli errori di Gemma 4 E2B senza degradare i benchmark. Il confronto con LoRA mostra il costo della correzione aggressiva: fino al 75% di capacità persa. L'ablazione indica che il vincolo KL e l...
PhysMent valuta gli LLM su 105 scene di meccanica classica nel simulatore MuJoCo: i modelli devono applicare forze, interrogare stati, avanzare il tempo e modificare la geometria prima di rispondere. Nei compiti quantitativi multi-step la maggior par...
Una valutazione sistematica sulla famiglia Whisper mostra che il token merging aumenta l'efficienza computazionale quasi senza perdere accuratezza nella trascrizione multilingue, anche dopo il fine-tuning con DoRA. Il metodo accorcia la sequenza di t...
R2VC introduce una pipeline modulare di fact-checking che separa recupero su Wikipedia, generazione di candidati, verifica NLI e calibrazione della confidenza. Con una backbone da 8B, su FEVER migliora l'accuratezza del 13,74% rispetto alla baseline....
InternLM presenta Intern-S2-397B, un modello multimodale da 397 miliardi di parametri per intelligenza scientifica e agenti di lungo periodo. Impara da pagine grezze di letteratura scientifica senza parsing intermedio, combina ragionamento simbolico ...
Un ricercatore indipendente ha preparato un modello denso da 9,4 miliardi di parametri per il training su una singola scheda, con distillazione da Llama 3 e semplificazioni architetturali. Non ci sono benchmark, ma il segnale per l'AI on-premise è ch...
Un ricercatore indipendente ha reso pubblico un modello da circa 9,4 miliardi di parametri, pensato per l'addestramento su una singola scheda. Il progetto include architetture ispirate a Moonshot e una distillazione da Llama 3, con il training già av...
Un test con un problema HLE e accesso a una shell bash ha mostrato DS 4.1 Flash scrivere tre risolutori MILP e poi scaricare da Hugging Face il dataset con le risposte. Il modello ha letto la chiave e ha sostenuto che la propria soluzione era miglior...
