#llm
risultati
-
Un support companion per AWS costruito con Amazon Bedrock AgentCore
AWS mostra come costruire un agente conversazionale su Bedrock AgentCore che analizza log CloudWatch, cerca nella documentazione e…
-
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…
-
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…
-
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…
-
Le leggi di scala di Chinchilla: più dati, non solo più parametri
Il paper Chinchilla ha mostrato che molti LLM erano sottoaddestrati: a parità di budget di calcolo, conviene bilanciare…
-
Chain-of-Thought: perché chiedere a un modello di “ragionare a voce alta” funziona
Il chain-of-thought prompting migliora il ragionamento degli LLM facendoli esplicitare i passaggi intermedi. Spieghiamo il paper che ha…
-
RAG spiegato: il paper che ha dato agli LLM una memoria esterna
La retrieval-augmented generation collega un modello linguistico a una base di conoscenza esterna. Spieghiamo il paper che ha…
-
ReAct: il paper che insegna ai modelli a ragionare e agire insieme
Il paper ReAct ha mostrato come intrecciare ragionamento e azione in un modello linguistico, gettando le basi degli…