Gli studi rivelano la scarsa autovalutazione della difficoltà da parte degli LLM, schemi prevedibili nel ragionamento a catena e nuove metriche come l'Ignition Index, mentre l'annotazione automatica dei circuiti riduce il lavoro manuale.
Un nuovo framework usa la mean-field approximation per descrivere statisticamente il chain-of-thought reasoning. I token 'indizio' vengono identificati tramite surprisal e le regolarità emerse sono riproducibili e modellabili con un'equazione differe...
Un team di ricerca ha messo a punto una metrica scalare che cattura il momento in cui un modello linguistico passa da un’elaborazione graduale a una comprensione tipo “interruttore”. Il dato concreto: 9,6 volte più selettività per la struttura lingui...
Un nuovo benchmark valuta la capacità degli LLM di dedurre spazi di ricerca e algoritmi da descrizioni in linguaggio naturale per problemi di ottimizzazione black-box. I modelli sanno scegliere l’algoritmo in base al budget, ma faticano a identificar...
Un team di ricerca ha messo a punto una pipeline che usa un LLM per raggruppare automaticamente feature e neuroni in supernodi, ottenendo annotazioni di grafi di attribuzione tanto interpretabili quanto quelle umane. Il metodo, testato su un compito ...
Uno studio mostra che persino i modelli linguistici più avanzati faticano a stimare la difficoltà degli item nei test educativi. GPT-4.1 è superato da un encoder tradizionale, mentre GPT-5.4 tende a considerare tutto facile. Un campanello d’allarme p...
