Tutte le notizie
// archivio completo, dal più recente
-
Un agente serverless per l’editing di immagini con Amazon Bedrock AgentCore harness
Amazon Bedrock AgentCore harness permette di costruire un agente per l’editing di immagini definito solo tramite configurazione, senza…
-
Multi-dataset Topic in Amazon Quick Chat: guidare la SQL generata dall’AI con la semantica
Con i Multi-Dataset Topic di Amazon Quick, il motore generativo scrive SQL a runtime a partire dalla semantica…
-
Amazon Quick: portare il business context dentro i dataset con Dataset Enrichment
Amazon Quick sposta il contesto di business dai legacy Topics direttamente nei metadati del dataset con Dataset Enrichment.…
-
Parsing di PDF in locale con Gemma 4: trattare i documenti come immagini
Un approccio zero-shot al document parsing che renderizza ogni pagina PDF come immagine e la passa a Gemma…
-
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…
-
I modelli Hugging Face arrivano su Foundry Managed Compute di Microsoft
Microsoft porta un catalogo curato di modelli open-weight di Hugging Face su Foundry Managed Compute: weight pre-caricati in…
-
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…
-
Una pipeline RAG di produzione per PDF: parsing relazionale, retrieval sul TOC e risposte tipizzate
Come far evolvere una pipeline RAG minimale in una versione pronta per la produzione, aggiornando un contratto alla…
-
AWS Glue supporta Spark Connect nelle interactive sessions
AWS Glue supporta nativamente Apache Spark Connect: si sviluppa PySpark in locale nel proprio IDE e si esegue…
-
Cos’è il Model Context Protocol (MCP) e perché sta diventando lo standard per gli agenti
Il Model Context Protocol standardizza il modo in cui gli agenti AI si collegano a dati e strumenti.…
-
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…
-
DPO: allineare i modelli alle preferenze umane senza reinforcement learning
La Direct Preference Optimization allinea gli LLM alle preferenze umane senza la complessità del reinforcement learning. Spieghiamo l’idea…