Benchmark e studi rivelano lacune persistenti nel ragionamento e nell'auto-descrizione degli LLM, mentre i modelli di dominio avanzano in chimica, medicina e sistemi fisici.
Il fine-tuning di sicurezza non è neutro: riduce lo spazio strategico degli LLM nei dibattiti reali. Per i deployment on-premise conta il controllo dei pesi, delle pipeline e del TCO. L'analisi AI-Radar mette a fuoco il trade-off tra modelli pronti v...
Un benchmark sui dialoghi politici mostra che gli LLM privilegiano difese logiche e non sfruttano i contrattacchi etotici negli attacchi ad hominem. Lo studio attribuisce il limite al fine-tuning di sicurezza, che restringe lo spazio strategico. Per ...
Un team ha costruito un corpus annotato di 10.000 titoli e classificato 902.111 titoli di 25 testate francesi (2022-2025). Il framework separa la salienza retorica dalla selezione editoriale. Emerge che le soglie predefinite gonfiano le stime e che i...
Un modello multimodale da 0,4 milioni di parametri combina transformer SMILES e grafi GATv2 via cross-attention, ottenendo su ClinTox AUC-ROC 0,987 e F1 0,906. La variante con backbone ChemBERTa-2 su Tox21 raggiunge AUC-ROC medio 0,750, paragonabile ...
Uno studio su migliaia di trascrizioni di sessioni di tutoraggio mostra che usare il disaccordo tra più LLM per indirizzare l'attenzione degli esperti accorcia la revisione dei codebook da mesi a giorni. Tra tre metodi, la Rationale Labeling raggiung...
La startup ungherese DiffuseDrive genera dati sintetici per addestrare sistemi di AI fisica in difesa, mining, aerospace e veicoli autonomi. La piattaforma individua i casi limite assenti nei dataset, li produce controllando posizione e dimensione de...
Uno studio su otto modelli instruct open-source fino a 9B parametri mostra che il template della chat agisce come un interruttore: quando è presente aumenta i disclaimer "sono solo un'AI" e riduce le espressioni esperienziali, e viceversa. Nei layer ...
Un framework a supervisione di popolazione collega immagini 2D di globuli rossi a quantità biofisiche latenti, aggregandole in volume corpuscolare medio, ampiezza di distribuzione eritrocitaria ed emoglobina corpuscolare media. Combina inference loca...
Uno studio con esperimenti a parità di token mostra che i dati didattici e quelli clinici influenzano in modo asimmetrico i Large Language Models medici: i dati clinici migliorano i task orientati alla clinica e restano competitivi su quelli di conos...
AstroForge affiderà alla prossima sonda Autonomy-1 un modello transformer di piccole dimensioni con il compito di prendere decisioni a bordo. L’inference locale diventa necessaria per gestire l’assenza di connettività e i vincoli fisici dello spazio....
PsyAgentBench replica cinque classici esperimenti psicologici su LLM open-weight in condizioni named, blind, canonical e counterfactual. I risultati mostrano che effetti come il conformismo di Asch dipendono dal prompt e dal filtro di sicurezza, non ...
Microsoft Research pubblica su Nature un framework che combina un modello Transformer e una graph neural network. Il ranking appreso riduce le proposte non vincolate e supera i modelli precedenti nei test con chimici. Codice e pesi sono open source.
I documenti di Bonsai mostrano che Ternary Bonsai 2 27B ottiene 52,8 su Terminal-Bench 2.1 e 60,8 su SWE-bench Verified, circa tre quarti del modello full-precision usato come confronto. Ma il nome del concorrente è sbagliato e il claim del 98,2% di ...
