#llm
risultati
-
Come Bluesight ha costruito Prism, una soluzione agentica su Amazon Bedrock
Bluesight ha usato Amazon Bedrock AgentCore per passare da un prototipo AI monoprodotto a Prism, una soluzione agentica…
-
Costruire un sistema multi-agente in stile VideoAgent per l’editing video
Un tutorial pratico che ricostruisce la pipeline agentica di VideoAgent: intent parsing, pianificazione a grafo e routing degli…
-
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…
-
Orchestrare oltre 100 agenti con Claude Code: la modalita’ headless e l’agente coordinatore
Salire di un livello di astrazione: parlare a un agente che ne coordina molti altri in modalita’ headless.…
-
TabFM: Google porta i foundation model sui dati tabellari
Un foundation model per classification e regression su tabelle mai viste, in un singolo forward pass e senza…
-
Loop engineering: come autoresearch trasforma un agente in un ciclo di ricerca ML
Il loop engineering sostituisce il botta e risposta manuale con un ciclo che pianifica, agisce e verifica da…
-
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,…
-
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…
-
Open model sotto pressione: Nathan Lambert e i sei mesi che contano
Su Interconnects, Nathan Lambert avverte che possibili misure di policy negli USA potrebbero relegare gli open model a…
-
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…