Opinioni
Editoriali e punti di vista
risultati
-
Perché gli LLM di frontiera continuano ad allucinare (e cosa farci)
Perché i modelli di frontiera continuano ad allucinare: casi reali recenti, il meccanismo del next-token e cosa fare…
-
Il grafico di code frequency di Datasette come indizio dell’impatto dei coding agent
Simon Willison usa il grafico GitHub di code frequency del suo progetto open source Datasette per cercare un…
-
Context rot: perché le sessioni lunghe di Claude Code degradano
Le sessioni degradano molto prima del limite di token. Jake Minns distingue intrinsic rot e content rot e…
-
Ensemble di forecast pesati con l’entropia invece della distanza
Quando MSE e RMSE non separano più i modelli, un approccio basato sulla Shannon entropy dei residui prova…
-
Lakehouse multi-cloud su AWS per l’AI agentica: architettura e trade-off
AWS descrive un approccio catalog-first per unificare metadati tra più provider e alimentare gli agenti AI, con i…
-
RAG contro fine-tuning: cosa fanno davvero e quando usare l’uno, l’altro o entrambi
RAG e fine-tuning non sono tecniche in competizione: risolvono problemi diversi a livelli diversi di un’applicazione AI. RAG…
-
Valutare una piattaforma di analytics enterprise: sette criteri e un POC sui tuoi dati
Una guida Databricks propone sette criteri pesati, uno scorecard, un TCO a tre anni e un banco di…
-
Directly Responsible Individuals: perché un agente non può essere il DRI
Simon Willison riflette sul concetto di Directly Responsible Individual applicato agli agenti LLM: un agente non dovrebbe mai…
-
L’AI scrive il tuo connector, ma il last mile resta lavoro tuo
Un coding agent scrive un connector in un pomeriggio. Fivetran spiega perché portarlo in produzione è tutt’altra storia,…
-
Thinking Machines Lab: la tesi tecnica per un’AI human-centered sui model weights
Il laboratorio di Mira Murati sostiene che i valori umani vadano codificati nei model weights fine-tuned, non nei…