Opinioni
Editoriali e punti di vista
risultati
-
RAG era sempre stato un workaround temporaneo. Cosa viene dopo
Un’analisi provocatoria: il RAG è un layer di traduzione ad alta latenza, non un vero sistema di memoria.…
-
Redpanda, Kafka e Confluent a confronto: cosa cambia davvero
Un confronto tra Apache Kafka, Confluent e Redpanda: latenza, footprint operativo, ecosistema e le nuove architetture diskless che…
-
Loop engineering per il retrieval gerarchico: leggere un documento lungo dal suo indice
Invece di fare top-k su tutte le pagine, il retrieval percorre la table of contents un livello alla…
-
Come scegliere l’interfaccia migliore per i coding agent
L’interfaccia con cui si orchestrano i coding agent incide molto sulla produttività. Una rassegna di otto strumenti e…
-
OpenAI: circa il 30% dei task di SWE-Bench Pro e rotto
Un audit di OpenAI stima che circa il 30% dei task di SWE-Bench Pro sia difettoso, tra test…
-
Kenton Varda mette al bando le descrizioni di commit scritte dall’AI
Una citazione raccolta da Simon Willison: Kenton Varda ha imposto una moratoria sulle descrizioni di PR e commit…
-
SQL, Pandas o AI agents: chi risolve meglio i problemi di analytics
Stesse tre domande di analytics date a SQL, Pandas e a un agente Claude, con tempi di esecuzione…
-
Proxy-Pointer RAG: reasoning temporale senza precompilazione semantica
Due approcci opposti al RAG enterprise per query temporali e cross-document: LLM-Wiki compila la conoscenza durante l’ingestion, Proxy-Pointer…
-
Prompt injection: la vulnerabilità che gli LLM si portano dietro per progettazione
La prompt injection sfrutta l’incapacità degli LLM di distinguere istruzioni e dati. Cos’è, perché è difficile da risolvere…
-
Supercharger: come Rocket Close ha messo l’AI agentica in produzione
Rocket Close ha costruito Supercharger per ottimizzare le operazioni di title insurance con agenti, LLM, Amazon Bedrock e…