Ciao, amici! Benvenuto in Installer No. 136, la tua guida alle cose migliori e più all'avanguardia del mondo. (Se sei nuovo qui, benvenuto, spero che il tuo quartiere non sia fumoso come il mio, e che tu possa anche leggere tutte le vecchie edizioni sulla home page dell'Installatore.) Questa settimana ho registrato la prossima stagione di Cronologia versioni […]
TikTok sta iniziando a testare uno strumento di opt-in che scansiona le somiglianze dell'intelligenza artificiale e consente ai creatori di segnalarle all'azienda, come notato dal consulente di social media Matt Navarra. Lo strumento è inizialmente in fase di test con "alcuni" creatori statunitensi, dice a The Verge il portavoce statunitense di TikTok Zachary Kizer. YouTube ha lavorato su uno strumento simile […]
La migliore intelligenza artificiale per contenuti per adulti nel 2026: generatori NSFW e modelli dietro di loro StartupHub.ai
Apple fa causa a OpenAI. La denuncia è leggibile e intensa, come spesso accade in queste cose, anche se molti esperti sembrano pensare che molte delle accuse siano solo il modo in cui vengono fatte le cose. Quindi cosa vuole veramente Apple in questo caso e perché sta avviando una battaglia così pubblica con OpenAI? In questo episodio di The […]
Modelli mondiali, la guida completa alla scommessa LLM da 1 miliardo di dollari di LeCun Quantum Zeitgeist
Bunkerhill Health ha raccolto 55 milioni di dollari per ampliare la sua piattaforma di intelligenza artificiale per agenti, Carebricks. La chiusura del round di serie B della società, annunciata oggi, prevede la continua partecipazione di Sequoia Capital, Felicis, Optum Ventures e Y Combinator. Tuttavia, il totale del finanziamento non risponde alla domanda chiave che qualsiasi dirigente ospedaliero vuole sapere sull’intelligenza artificiale nel settore sanitario: […] Il post Bunkerhill raccoglie 55 milioni di dollari per estendere l’intelligenza artificiale agli agenti nei sistemi sanitari è apparso per la prima volta su AI News.
Perfeziona modelli di video e immagini su larga scala con NVIDIA NeMo Automodel e 🤗 Diffusers
Mozilla: lo stato dell'intelligenza artificiale open source
I 10 strumenti di osservabilità e governance dell'IA più interessanti del 2026 (finora) crn.com
Una sfacciata sciocchezza dell'intelligenza artificiale ha appena vinto un Gran Premio DeepMind Kaggle da 25.000 dollari
continua una settimana fantastica per i modelli aperti.
I modelli del linguaggio visivo (VLM) possono seguire istruzioni testuali complesse, ma hanno difficoltà a ragionare partendo da un contesto puramente visivo. In particolare, i modelli attuali non riescono a dedurre concetti condivisi da serie di immagini di esempio e ad applicarli a nuovi input. Introduciamo Visual Concept Inference from Sets (VICIS), un'attività che valuta questa capacità.
Con l’aumento delle preoccupazioni sulla privacy dei dati nell’apprendimento automatico, la capacità di disimparare, o rimuovere, punti dati specifici da modelli addestrati diventa sempre più importante. Sebbene in risposta siano emersi metodi di disapprendimento all'avanguardia, in genere trattano allo stesso modo tutti i punti del dimenticatoio. In questo lavoro, sfidiamo questo approccio chiedendoci: è necessario rimuovere i punti che hanno un impatto trascurabile sull’apprendimento del modello?
Il piccolo libro dell'apprendimento per rinforzo
In 107 imprese, la spesa per le infrastrutture IA sta accelerando ben oltre la capacità di vedere o indirizzare la sua economia. La maggior parte delle organizzazioni gestisce la propria intelligenza artificiale su una base familiare di hyperscaler e API di provider di modelli, ma il prossimo dollaro è destinato all'elaborazione specializzata che quasi nessuna di loro utilizza oggi; la maggioranza intende cambiare o aggiungere fornitori entro l'anno, molti entro un trimestre.
In 101 aziende, l’infrastruttura che fornisce agli agenti AI il loro contesto aziendale viene costruita più velocemente di quanto ci si possa fidare. La generazione aumentata di recupero è già la fonte di contesto predefinita e il recupero nativo del provider ha tranquillamente superato i database vettoriali dedicati che definiscono la categoria, ma la maggior parte delle aziende ha già osservato i propri agenti produrre risposte sicure e sbagliate riconducibili a un contesto mancante o incoerente.
Google DeepMind e Isomorphic Labs hanno delineato un programma di bioresilienza per frenare l’uso improprio dell’intelligenza artificiale in biologia favorendo al contempo la risposta all’epidemia. Le due organizzazioni hanno pubblicato un aggiornamento su un’iniziativa congiunta iniziata in sordina e che negli ultimi 12 mesi ha creato più di 15 partenariati con enti governativi, organizzazioni di biosicurezza e gruppi di ricerca. Il […] Il post Esaminando la spinta alla bioresilienza dell’intelligenza artificiale di Google DeepMind è apparso per la prima volta su AI News.
In 157 imprese, le organizzazioni stanno concedendo agli agenti di intelligenza artificiale maggiore autonomia, fidandosi invece delle valutazioni intese a limitare tale autonomia. La metà ha già spedito un agente che ha superato le valutazioni interne e poi ha fallito un cliente in produzione; oggi solo uno su venti si fida pienamente della valutazione automatizzata; e il punto debole più citato è che le valutazioni non si allineano con i risultati del mondo reale.
NVIDIA Nemotron 3 Embed si classifica al primo posto assoluto in termini di RTEB, migliorando il recupero agentico
Lila scommette che la scienza, e non Internet, è l'ultima fonte non sfruttata di dati sulla formazione. Siamo andati a scoprire come appare realmente in una stanza piena di robot.
Modelli più recenti, stesso vantaggio
I Large Language Models (LLM) si comportano in modo diverso su compiti di programmazione identici quando vengono richiesti in linguaggi naturali diversi, un fenomeno noto come bias linguistico. Sebbene questo comportamento sia stato ampiamente studiato per la generazione di testo in generale, il suo impatto sulla qualità della generazione del codice e sulle convenzioni di programmazione rimane in gran parte inesplorato. Investighiamo in che modo il linguaggio utilizzato per descrivere le attività di programmazione influisce sul codice sorgente generato da GPT-4o mini, DeepSeek e Claude.
Neko Health ha raccolto 700 milioni di dollari per espandere le sue scansioni corporee basate sull’intelligenza artificiale negli Stati Uniti, a partire da una clinica a New York. Il servizio di screening preventivo dell’azienda combina imaging medico, esami del sangue, sensori proprietari e revisione medica. Il round di serie C è stato guidato da Lightspeed Venture Partners e co-guidato da O.G. Partner di rischio. Esistente […] Il post Neko Health raccoglie 700 milioni di dollari per espandere le scansioni del corpo con intelligenza artificiale negli Stati Uniti è apparso per la prima volta su AI News.
L’apprendimento crossmodale, ovvero imparare a prevedere una modalità da un’altra, è un meccanismo fondamentale per l’autosupervisione sfruttando la multimodalità. Molte applicazioni pratiche, ad esempio l'implementazione di un robot domestico, coinvolgono dispositivi dotati di un ricco set di sensori che consentono il rilevamento multimodale nel loro ambiente di test. Ciò rappresenta un'opportunità per applicare l'apprendimento intermodale ai dati multimodali rilevati da questi dispositivi per apprendere le rappresentazioni.
La prima versione completa di LLM di Thinky è un successo e un bonus: è a pesi aperti!
Il sistema operativo Qubes è un caso rivelatore per la misurazione della sicurezza perché la sua architettura rende i confini dei componenti rilevanti per la sicurezza. Presentiamo un'analisi longitudinale basata su protocollo di 109 Qubes Security Bulletins (QSB) pubblici, 2011--2025, il tracker ufficiale Xen Security Advisory (XSA) gestito da Qubes e una serie secondaria di sensibilità agli eventi di vulnerabilità. Lo studio misura il livello di consulenza pubblica piuttosto che l’incidenza della vulnerabilità latente o il compromesso realizzato.
L'apprendimento per rinforzo per il ragionamento di ricerca a più turni si basa tipicamente sulle ricompense dei risultati terminali, che non sono in grado di distinguere interazioni intermedie utili, ridondanti e dannose. Proponiamo LAPO, un metodo di supervisione del processo autogenerato basato sull'attribuzione all'indietro di "leave-one-turn". Per ogni turno di ricerca, LAPO sostituisce il turno e la sua osservazione di recupero con un segnaposto fisso [DELETE] e misura il cambiamento risultante nella probabilità logaritmica media della risposta oro della politica attuale.
I modelli linguistici di grandi dimensioni producono un ragionamento basato sulla catena di pensiero (CoT) che appare logicamente valido ma potrebbe non dipendere realmente dalle premesse dichiarate. Introduciamo controlli interventistici di messa a terra, un test della dipendenza dalle premesse a livello di scatola nera: interveniamo su una singola premessa sostituendo il suo predicato obiettivo con un nuovo simbolo, rieseguiamo il modello e controlliamo se la conclusione normalizzata di ciascun passaggio di ragionamento (forma del predicato canonico) cambia.
Sapere quando dire "non lo so" è fondamentale per il giudizio umano, tuttavia gli assistenti di intelligenza artificiale offrono una risposta fluida a quasi tutte le domande. In cinque esperimenti (N = 3.132; quattro preregistrati, una replica diretta), i partecipanti hanno risposto a domande difficili e potevano sempre rifiutarsi di rispondere. Abbiamo progettato le domande in modo che i consigli dell’IA fossero sbagliati, separando l’uso dell’IA dalla sua accuratezza.
Il prefetto acquista Dagster 🤝, il grafico delle dipendenze di Netflix 🎥, i guardrail AI di Expedia 🤖
Digita almeno 2 caratteri
Questo sito utilizza cookie essenziali per il funzionamento e cookie di analisi per migliorare l'esperienza. Puoi accettare tutti, solo gli essenziali, o personalizzare. Cookie Policy | Privacy Policy
