#agentic ai
risultati
-
Cosa insegna Shippy sul costruire agenti AI affidabili
Ai2 racconta l’architettura di Shippy, agente per il maritime domain awareness: in un dominio ad alto rischio il…
-
Visione agentic: un Computer Vision MCP Server con Amazon Bedrock
AWS mostra un Computer Vision MCP Server che unisce computer vision, Strands Agents e Model Context Protocol per…
-
Model routing: sembra semplice, poi diventa un problema di ottimizzazione
IBM Research racconta perché instradare le richieste tra modelli non è una semplice classificazione, ma un problema di…
-
UX testing su larga scala con Nova Act: user flow analizzati dall’AI
Una soluzione di riferimento su AWS usa Amazon Nova Act per generare scenari di test dalla documentazione ed…
-
Bloccare gli attacchi slow-burn agli agenti con le policy contestuali di Omnigent
Databricks mostra come una policy contestuale stateful in Omnigent blocca un attacco di prompt injection indiretta dove ogni…
-
QA agentica con Nova Act: test suite e integrazione nelle pipeline CI/CD
La seconda parte su QA Studio con Amazon Nova Act mostra come organizzare i test in suite parallele…
-
Agentic AI e margini omni-channel: il caso della finanza retail con Genie
Databricks racconta come i team finance del retail usano un AI coworker basato su ontologia e governance per…
-
TRACE: Stanford trasforma i fallimenti ricorrenti degli agenti in ambienti RL mirati
TRACE diagnostica le capacità mancanti di un agente, genera un ambiente verificabile per ogni gap, addestra un adapter…
-
Prime Intellect rilascia Verifiers v1: taskset, harness e runtime componibili per l’RL agentico
Verifiers v1 scompone gli ambienti di reinforcement learning agentico in tre pezzi disaccoppiati, cosi’ che qualsiasi taskset possa…