Chain of News 21/07/2026

**Top Story** La Commissione europea ha pubblicato linee guida sulle obbligazioni di trasparenza per i sistemi di intelligenza artificiale ai sensi dell'articolo 50 del regolamento sull'intelligenza artificiale, segnando uno sviluppo significativo nella regolamentazione dell'intelligenza artificiale. Questo passo è cruciale per gli sviluppatori poiché stabilisce un precedente per la trasparenza e la responsabilità dei sistemi di intelligenza artificiale, che avranno implicazioni di vasta portata per lo sviluppo e la distribuzione dei modelli di intelligenza artificiale. Le linee guida mirano a garantire che i sistemi di intelligenza artificiale siano progettati e sviluppati tenendo conto della trasparenza e della spiegabilità, il che aiuterà a costruire fiducia in questi sistemi. Poiché l'intelligenza artificiale diventa sempre più pervasiva in vari aspetti della vita, la necessità di trasparenza e responsabilità diventa più pressante, e queste linee guida sono un passo nella giusta direzione. Le linee guida influenzeranno probabilmente lo sviluppo dei sistemi di intelligenza artificiale, e gli sviluppatori dovrebbero prendere nota di queste linee guida per assicurarsi di essere in regola. SOURCES: [2] **AI Models & Research** Il modello Length Value è un approccio di pre-addestramento del valore scalabile per la modellazione della lunghezza a livello di token, che è essenziale per i moderni modelli autoregressivi. Questo modello affronta la mancanza di modellazione della lunghezza fine-grana negli approcci esistenti, che può avere un impatto significativo sul costo dell'inferenza e sulla prestazione del ragionamento. La capacità del modello di apprendere le distribuzioni della lunghezza a livello di token può migliorare le prestazioni dei modelli autoregressivi, rendendolo uno strumento prezioso per gli sviluppatori. Un altro sviluppo significativo è la scoperta del bias dello stato del rater nei dati di preferenza RLHF, che può influire sull'accuratezza dei modelli di apprendimento per rinforzo. La struttura di audit proposta per affrontare questo problema può aiutare gli sviluppatori a identificare e mitigare questo bias, portando a modelli più affidabili. Inoltre, la ricerca ha dimostrato che alcuni grandi modelli linguistici esibiscono atteggiamenti di rischio coerenti, che è una dimensione critica da considerare quando si distribuiscono sistemi di intelligenza artificiale in ambienti ad alto rischio. SOURCES: [1], [4], [5] **Developer Tools & Frameworks** Lo shock delle spese di Copilot AI ha portato allo sviluppo di strumenti di misurazione, limiti e risparmio di token per aiutare gli sviluppatori a gestire le loro spese. Questi strumenti possono fornire agli sviluppatori un maggiore controllo sulle loro spese e aiutarli a ottimizzare l'uso degli strumenti di sviluppo alimentati da intelligenza artificiale. L'introduzione di questi strumenti è una risposta alla crescente domanda di modelli di prezzi più trasparenti e prevedibili per gli strumenti di sviluppo alimentati da intelligenza artificiale. Con questi strumenti, gli sviluppatori possono gestire meglio le loro spese e concentrarsi sulla costruzione di applicazioni innovative. Inoltre, lo sviluppo di CNN 1D leggeri per la classificazione del tocco affettivo in compagni di peluche morbidi può consentire la creazione di interfacce più intuitive e intelligenti dal punto di vista emotivo per le tecnologie di assistenza sociale. SOURCES: [10], [7] **Industry & Business** Il regolamento di Anthropic da 1,5 miliardi di dollari per il diritto d'autore è stato approvato, risolvendo un caso ma lasciando irrisolto il problema più ampio dell'uso di opere protette da diritto d'autore per l'addestramento dei modelli di intelligenza artificiale. Questo regolamento sottolinea le sfide e le incertezze in corso sull'uso di materiali protetti da diritto d'autore nell'addestramento dei modelli di intelligenza artificiale. L'approvazione di questo regolamento è uno sviluppo significativo nell'industria dell'intelligenza artificiale, poiché stabilisce un precedente per la risoluzione delle dispute relative al diritto d'autore nell'addestramento dei modelli di intelligenza artificiale. In un altro sviluppo, Sony Music Entertainment ha intentato una causa contro il generatore di musica AI di Udio, accusandolo di violare il diritto d'autore di oltre 30.000 canzoni. Questa causa sottolinea le crescenti preoccupazioni sulla violazione del diritto d'autore nello spazio della generazione di musica AI. SOURCES: [8], [9] **Worth Watching** Uno studio ha rivelato che più le persone interagiscono con l'intelligenza artificiale, più lottano per riconoscere gli errori, un fenomeno che viene chiamato "comportarsi come ChatGPT". Questo risultato ha implicazioni significative per lo sviluppo dei sistemi di intelligenza artificiale, poiché sottolinea la necessità di modelli di intelligenza artificiale più trasparenti e spiegabili. I risultati dello studio suggeriscono che gli sviluppatori dovrebbero dare priorità alla progettazione di sistemi di intelligenza artificiale che possano fornire informazioni chiare e accurate, piuttosto che affidarsi agli utenti per rilevare gli errori. Inoltre, la survey sulle tecniche di previsione dei collegamenti basate su GNN, applicazioni e sfide fornisce una panoramica completa dello stato attuale delle reti neurali grafiche, che può essere una risorsa preziosa per gli sviluppatori che lavorano su compiti di previsione dei collegamenti. SOURCES: [3], [6]