#llm
risultati
-
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…
-
Ridurre latenza e costi di inference degli LLM in produzione: 12 leve pratiche
Scalare un’app LLM non significa aggiungere GPU, ma togliere lavoro inutile da ogni richiesta. Una rassegna di 12…
-
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…
-
Quanto costa davvero far girare un LLM in locale? Euro per milione di token, misurati
Un benchmark misura il costo in energia GPU di otto modelli locali su una singola RTX 3090. Il…
-
Blume: da una cartella di Markdown a una documentazione pronta per gli agenti
Blume è un framework open source zero-config che trasforma una cartella di Markdown in un sito di documentazione,…
-
La vera corsa dell’AI si sta spostando dai frontier model agli open model?
Il CEO di Hugging Face Clem Delangue sostiene che le imprese vogliono sempre più open model per costi,…
-
Flo Health: revisione di contenuti medici su scala con Amazon Bedrock
Il team di Flo Health racconta come ha trasformato un PoC in un sistema di produzione su Amazon…
-
GPT-5.6 Luna, Terra e Sol: cosa cambia per chi usa gli LLM
La release di GPT-5.6 vista da Simon Willison: tre tier, prezzi e un caveat utile sul prezzo 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…